論文の概要: CubifyGS: Object-Centric 3D Gaussian Splatting for Lifelong Dynamic Scene Maintenance
- arxiv url: http://arxiv.org/abs/2606.28720v2
- Date: Sat, 04 Jul 2026 09:22:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 17:33:48.45594
- Title: CubifyGS: Object-Centric 3D Gaussian Splatting for Lifelong Dynamic Scene Maintenance
- Title（参考訳）: CubifyGS: 生涯にわたるダイナミックシーンメンテナンスのためのオブジェクト中心型3Dガウススプレイティング
- Authors: Bohan Ren, Dianyi Yang, Shiyang Liu, Yu Gao, Jiadong Tang, Zhilin Lai, Yi Yang, Mengyin Fu,
- Abstract要約: 動的メンテナンスをパッシブな再最適化からアクティブな資産管理に移行するオブジェクトレベルのマッピングフレームワークであるCuubifyGSを提案する。
提案手法を新たに構築した高忠実度ダイナミックベンチマークで検証し,CubifyGSがアーティファクトの抑制とメンテナンス効率を向上させることを示す。
- 参考スコア（独自算出の注目度）: 13.452229234193588
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lifelong scene mapping under rigid object rearrangement remains a fundamental challenge in robotics. While 3D Gaussian Splatting (3DGS) enables high-fidelity modeling, primitive-level updates often cause persistent ghosting and slow recovery. We propose CubifyGS, an object-level mapping framework that shifts dynamic maintenance from passive re-optimization to active asset management. CubifyGS models movable instances as reusable Gaussian assets, detects object appearance and disappearance, and updates maps through asset retrieval, rigid transformation, and explicit pruning rather than reconstruction from scratch. To address geometric voids and local photometric mismatch after such edits, we further propose an event-triggered adaptive optimization strategy that focuses computation on affected regions. We validate our approach on a newly constructed high-fidelity dynamic benchmark, demonstrating that CubifyGS improves artifact suppression and maintenance efficiency over representative reproducible baselines in the evaluated object-rearrangement setting.
- Abstract（参考訳）: 厳密な物体配置の下での生涯のシーンマッピングは、ロボティクスの基本的な課題である。
3D Gaussian Splatting (3DGS)は高忠実度モデリングを可能にするが、プリミティブレベルの更新はしばしば永続的なゴーストと緩やかな回復を引き起こす。
動的メンテナンスをパッシブな再最適化からアクティブな資産管理に移行するオブジェクトレベルのマッピングフレームワークであるCuubifyGSを提案する。
CubifyGSは、再利用可能なガウス資産として可動インスタンスをモデル化し、オブジェクトの外観と消失を検出し、アセット検索、厳格な変換、スクラッチからの再構築よりも明示的なプルーニングを通じてマップを更新する。
このような編集後の幾何学的ヴォイドと局所的な測光ミスマッチに対処するために、さらに、影響を受ける領域に計算を集中させるイベントトリガー適応最適化戦略を提案する。
提案手法を新たに構築した高忠実度動的ベンチマークで検証し, 評価対象再配置設定において, 代表再現性ベースラインよりもアーチファクトの抑制とメンテナンス効率が向上することが実証された。
関連論文リスト
- GeoRect4D: Geometry-Compatible Generative Rectification for Dynamic Sparse-View 3D Reconstruction [16.448484686109992]
マルチビュービデオからダイナミックな3Dシーンを再構築することは、しばしば幾何学的な崩壊、軌道のドリフト、浮き彫りのアーティファクトに繋がる、非常に不適切である。
最近の試みでは、欠落したコンテンツに幻覚を与える遺伝子前駆体を導入しているが、ナイーブな統合はしばしば構造的ドリフトと時間的不整合を引き起こす。
そこで本稿では, 疎視動的再構成のための新しい統合フレームワークであるGeoRect4Dを提案する。
論文 参考訳（メタデータ） (2026-04-22T17:12:02Z) - GA-GS: Generation-Assisted Gaussian Splatting for Static Scene Reconstruction [38.085922100589016]
静的シーン再構成のための生成支援ガウス分割法を提案する。
動作認識モジュールを用いて動的領域を分割・除去し,拡散モデルを用いて隠蔽領域を塗布する。
既存のデータセットが動的オブジェクトでビデオの地平線上の静的なシーンを提供していないので、Trajectory-Matchというデータセットを構築します。
DAVISと我々のデータセットによる実験により、GA-GSは静的なシーン再構成において最先端の性能を発揮することが示された。
論文 参考訳（メタデータ） (2026-04-06T00:47:42Z) - IDSplat: Instance-Decomposed 3D Gaussian Splatting for Driving Scenes [25.939318593012484]
動的駆動シーンの再構築は、センサ・リアリスティック・シミュレーションによる自律システム開発に不可欠である。
我々は,動的シーンを明示的なインスタンス分解と学習可能なモーショントラジェクトリで再構成する,自己教師型3次元ガウススティングフレームワークIDSplatを提案する。
本手法は, インスタンスレベルの分解を維持しつつ, 競合する再構成品質を実現し, 再トレーニングを伴わずに, 多様なシーケンスやビュー密度を一般化する。
論文 参考訳（メタデータ） (2025-11-24T15:48:08Z) - Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction [86.4386398262018]
UrbanGSは2Dセマンティックマップと既存の動的ガウスアプローチを使って静的オブジェクトとシーンを区別する。
動的オブジェクトに対して、学習可能な時間埋め込みを用いて時間情報を集約する。
提案手法は, 修復の質と効率性において, 最先端の手法より優れている。
論文 参考訳（メタデータ） (2024-12-04T16:59:49Z) - T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。
我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
論文 参考訳（メタデータ） (2024-11-29T07:45:24Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。
我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
論文 参考訳（メタデータ） (2024-06-19T23:53:31Z)
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。