論文の概要: PanoImager: Geometry-Guided Novel View Synthesis and Reconstruction from Sparse Panoramic Views
- arxiv url: http://arxiv.org/abs/2606.27071v1
- Date: Thu, 25 Jun 2026 14:15:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.317152
- Title: PanoImager: Geometry-Guided Novel View Synthesis and Reconstruction from Sparse Panoramic Views
- Title（参考訳）: PanoImager: 疎パノラマ画像からのジオメトリガイドによる新しいビューの合成と再構成
- Abstract要約: PanoImagerはSfMフリーのフレームワークで、フィードフォワードのポーズ/ディープスプリエント、幾何条件の拡散ビュー補完、奥行き誘導3DGS最適化を組み合わせている。
SfM/SLAMの初期化に失敗した場合,PanoImagerはマップリファインメントのためのオフライン/バックグラウンドコンポーネントであることが示唆された。
- 参考スコア（独自算出の注目度）: 3.5844726281072448
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Panoramic sensing offers wide field-of-view coverage, yet 3D reconstruction from sparse panoramas remains challenging under rotation-dominant, weak-parallax motion. In such regimes, SfM/SLAM initialization is often ill-conditioned and unreliable. We present PanoImager, an SfM-free framework that combines feed-forward pose/depth priors, geometry-conditioned diffusion view completion, and depth-guided 3DGS optimization. Given only a few panoramic images, PanoImager decomposes them into local perspective views, synthesizes auxiliary observations to enrich sparse evidence, and stabilizes Gaussian optimization for improved cross-view consistency. Experiments on multiple benchmarks show improved stability under extreme sparsity, suggesting PanoImager as an offline/background component for map refinement when SfM/SLAM fails to initialize.
- Abstract（参考訳）: パノラマセンシングは視野の広い範囲を提供するが、スパースパノラマからの3次元再構成は回転優位で弱い視差運動下では困難である。
このような状況下では、SfM/SLAM初期化はしばしば不条件で信頼できない。
提案するPanoImagerは,フィードフォワードポーズ/奥行き前処理,幾何条件の拡散ビュー補完,奥行き誘導3DGS最適化を組み合わせたSfMフリーフレームワークである。
ごくわずかなパノラマ画像しか持たないため、PanoImagerはそれらを局所的な視点に分解し、補助的な観察を合成してスパース証拠を豊かにし、ガウス最適化を安定化し、クロスビューの整合性を改善する。
複数のベンチマークの実験では、極端な間隔で安定性が向上し、SfM/SLAMの初期化に失敗した場合、PanoImagerがマップリファインメントのオフライン/バックグラウンドコンポーネントとして提案されている。
関連論文リスト
- PanoGS-SLAM: Panoramic 3D Gaussian Splatting SLAM [20.25032556921585]
我々は,3次元ガウス平板上に構築された最初のパノラマ密度SLAMシステムであるPanoGS-SLAMを提案する。
本手法は, 球面領域で直接, 微分可能なレンダリングとポーズの最適化を行う。
実験により、PanoGS-SLAMは幾何ベースラインとGSベースベースラインを常に上回る精度とレンダリング品質を示す。
論文 参考訳（メタデータ） (2026-09-15T16:26:12Z) - FastPano3D: Feed-Forward Indoor Panoramic 3D Reconstruction from a Single Image [5.543213546428594]
FastPano3Dは、単一のパノラマ画像からレンダリング可能な3Dガウス表現を直接生成するエンドツーエンドフレームワークである。
提案手法は,高忠実度3Dシーンを数秒で再構成し,従来の最先端手法よりも最大156倍高速な推論を実現する。
論文 参考訳（メタデータ） (2026-06-29T14:23:12Z) - PanoVGGT: Feed-Forward 3D Reconstruction from Panoramic Imagery [41.23812453847979]
PanoVGGTは、1つの前方パスで1つまたは複数のパノラマからカメラのポーズ、深度マップ、および3Dポイントの雲を共同で予測する。
さらに,深度と6-DoFのポーズアノテーションを備えた大規模屋外パノラマデータセットであるPanoCityをコントリビュートした。
論文 参考訳（メタデータ） (2026-03-18T10:24:06Z) - CylinderSplat: 3D Gaussian Splatting with Cylindrical Triplanes for Panoramic Novel View Synthesis [53.231427733457224]
CylinderSplatはパノラマ3DGSのフィードフォワードフレームワークである。
シングルビューおよびマルチビューパノラマノビュー合成において、最先端の結果を達成する。
論文 参考訳（メタデータ） (2026-03-06T04:04:20Z) - MS-GS: Multi-Appearance Sparse-View 3D Gaussian Splatting in the Wild [47.52462219920857]
野生の写真コレクションは、しばしば限られた量の画像を含んでおり、複数の外観を示す。
3DGS を用いたスパースビューシナリオにおけるマルチアジュアンス機能を備えた新しいフレームワーク MS-GS を提案する。
我々は,MS-GSが様々な難解な視界とマルチアジュアンス条件下でフォトリアリスティックレンダリングを実現することを実証した。
論文 参考訳（メタデータ） (2025-09-19T03:06:49Z) - You Need a Transition Plane: Bridging Continuous Panoramic 3D Reconstruction with Perspective Gaussian Splatting [57.44295803750027]
本稿では,連続的なパノラマ3次元シーンをガウススプラッティングで橋渡しするための新しいフレームワークTPGSを提案する。
具体的には、個々の立方体面内で3Dガウスを最適化し、縫合されたパノラマ空間でそれらを微調整する。
屋内、屋外、エゴセントリック、ローミングのベンチマークデータセットの実験は、我々のアプローチが既存の最先端の手法より優れていることを示している。
論文 参考訳（メタデータ） (2025-04-12T03:42:50Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z) - PanoGRF: Generalizable Spherical Radiance Fields for Wide-baseline
Panoramas [54.4948540627471]
広帯域パノラマのための一般化可能な球面放射場パノGRFを提案する。
パノGRFは、視線画像に基づいて訓練された一般化可能な放射場とは異なり、パノラマからパースペクティブへの変換から情報損失を回避する。
複数のパノラマデータセットの結果は、パノGRFが最先端の一般化可能なビュー合成法よりも著しく優れていることを示している。
論文 参考訳（メタデータ） (2023-06-02T13:35:07Z) - Enhanced Stable View Synthesis [86.69338893753886]
本稿では,自由に動くカメラから撮影した画像から,新しいビュー合成を強化するアプローチを提案する。
導入されたアプローチは、正確な幾何学的足場とカメラのポーズの復元が困難な屋外シーンに焦点を当てている。
論文 参考訳（メタデータ） (2023-03-30T01:53:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。