論文の概要: Structured-Li-GS: Structured 3D Gaussians Splatting with LiDAR Incorporation and Spatial Constraints
- arxiv url: http://arxiv.org/abs/2606.27509v1
- Date: Thu, 25 Jun 2026 19:49:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.309148
- Title: Structured-Li-GS: Structured 3D Gaussians Splatting with LiDAR Incorporation and Spatial Constraints
- Title（参考訳）: 構造型Li-GS:LiDARと空間制約による3次元ガウス散乱
- Abstract要約: LiDAR統合によるガウス鋳型(3DGS)の構造的枠組み(構造化Li-GS)
構造化Li-GSは、高精度で密度の高い色の点雲をトレーニングすることで、より少ないガウスで高品質な3D再構成を実現する。
ハードウェア同期型LiDARカメラハンドヘルドスキャナを試作した。
- 参考スコア（独自算出の注目度）: 5.142415132534398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we develop a Structured framework for Gaussian Splatting (3DGS) with LiDAR integration (Structured-Li-GS). It is a lightweight Gaussian Splatting pipeline that leverages LiDAR-inertial-visual SLAM. Structured-Li-GS achieves high-quality 3D reconstructions with fewer Gaussians by training on accurate, dense, colorized point clouds. Gaussian primitives are anchored using sub-sampled point clouds, and their ellipsoidal parameters are initialized from local surface geometry. Our training strategy integrates a comprehensive set of loss terms, including photometric, flattening, offset, depth, and normal losses, guided by the dense point cloud, enabling accurate reconstruction without Gaussian densification. This approach produces up-to-scale, high-fidelity results with a moderate model size. For experimental validation, we develop a custom hardware-synchronized LiDAR-camera handheld scanner. Experiments on both benchmark datasets and our real-world in-house dataset demonstrate that Structured-Li-GS surpasses state-of-the-art methods while using fewer Gaussians.
- Abstract（参考訳）: 本研究では,LiDAR統合(Structured-Li-GS)を用いたガウススティング(3DGS)のための構造化フレームワークを開発する。
LiDAR-inertial-visual SLAMを利用する軽量なガウススプラッティングパイプラインである。
構造化Li-GSは、高精度で密度の高い色の点雲をトレーニングすることで、より少ないガウスで高品質な3D再構成を実現する。
ガウス原始体は部分サンプリング点雲を用いて固定され、楕円形パラメータは局所曲面幾何学から初期化される。
我々の訓練戦略は、高密度点雲で導かれる測光、平ら化、オフセット、深さ、通常の損失を含む総合的な損失項を統合し、ガウスの密度化を伴わない正確な復元を可能にする。
このアプローチは、適度なモデルサイズで、大規模かつ高忠実な結果をもたらす。
ハードウェア同期型LiDARカメラハンドヘルドスキャナを試作した。
ベンチマークデータセットと実世界の社内データセットの両方の実験では、Structured-Li-GSが最先端の手法を超越し、ガウシアンが少ないことが示されている。
関連論文リスト
- Real-Time LiDAR Gaussian Splatting SLAM [2.0524609401792397]
我々は,高速なG-ICP登録と球状化に基づく大規模シーケンスの高密度マッピングを密結合するリアルタイムなLiDARベースのSLAMフレームワークを提案する。
追跡推定局所共分散を再利用し、ガウスを範囲対応スケールで初期化し、写像最適化のための曲面正規化を導出する。
ニューアー・カレッジのデータセットでは、Fスコアが86.78%に達し、オンライントラジェクトリをリアルタイムに利用している。
論文 参考訳（メタデータ） (2026-07-05T05:55:32Z) - LIT-GS: LiDAR-Inertial-Thermal Gaussian Splatting for Illumination-Robust Mapping [10.353975244787629]
LIT-GS(LiDAR-Iertial-thermal Gaussian Splatting framework)を提案する。
我々は、LIV視覚マップポイントを信頼性に配慮したクロスモーダルアンカーとして利用し、信頼性の高い熱-LiDARアソシエーションを確立する。
局所的に観測された平面と整合する3次元点の制約を制約するLiDAR平面規則化微分可微分スプラッティング法を提案する。
論文 参考訳（メタデータ） (2026-06-18T16:06:52Z) - LR-SGS: Robust LiDAR-Reflectance-Guided Salient Gaussian Splatting for Self-Driving Scene Reconstruction [13.07185750862275]
本稿では, 自律走行シーンに対する頑健かつ効率的なLiDAR-reflectance-guided Salient Gaussian Splatting法(LR-SGS)を提案する。
LR-SGSはより少ないガウスと短い訓練時間でより優れた再構成性能を達成する。
特に、複雑な照明シーンでは、OmniReを1.18dBPSNRで上回ります。
論文 参考訳（メタデータ） (2026-03-13T04:35:00Z) - GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。
提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。
GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-10-16T03:38:26Z) - GeomGS: LiDAR-Guided Geometry-Aware Gaussian Splatting for Robot Localization [20.26969580492428]
我々はGeomGS(Geometry-Aware Gaussian Splatting)と呼ばれる新しい3DGS法を提案する。
我々のGeomGSは、幾何および局所化性能をいくつかのベンチマークで示すとともに、測光性能も改善している。
論文 参考訳（メタデータ） (2025-01-23T06:43:38Z) - Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。
3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
論文 参考訳（メタデータ） (2024-11-19T11:59:54Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z) - ES-Gaussian: Gaussian Splatting Mapping via Error Space-Based Gaussian Completion [9.443354889048614]
視覚ベースのマッピングは、粗い点雲のために高品質な3D再構成に苦しむことが多い。
低高度カメラと単線LiDARを用いた高品質な3D再構成システムES-Gaussianを提案する。
論文 参考訳（メタデータ） (2024-10-09T07:09:29Z) - LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。
この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
論文 参考訳（メタデータ） (2024-10-07T15:07:56Z) - ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。
一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。
本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
論文 参考訳（メタデータ） (2024-08-20T14:49:14Z) - 3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting [58.95801720309658]
本稿では,3次元ガウス散乱(3DGS),すなわち3DGSRを用いた暗黙的表面再構成法を提案する。
重要な洞察は、暗黙の符号付き距離場(SDF)を3Dガウスに組み込んで、それらが整列され、共同最適化されるようにすることである。
実験により, 3DGSの効率とレンダリング品質を保ちながら, 高品質な3D表面再構成が可能な3DGSR法が実証された。
論文 参考訳（メタデータ） (2024-03-30T16:35:38Z)
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。