論文の概要: HiReFF: High-Resolution Feedforward Human Reconstruction from Uncalibrated Sparse-View Video

• arxiv url: http://arxiv.org/abs/2606.29333v1
• Date: Sun, 28 Jun 2026 11:01:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.880223
• Title: HiReFF: High-Resolution Feedforward Human Reconstruction from Uncalibrated Sparse-View Video
• Title（参考訳）: HiReFF: 未分類のスパースビュービデオからの高解像度フィードフォワード人間再構築
• Abstract要約: HiReFFは、2K解像度の360度ビデオ再構成のためのフィードフォワード方式である。 この問題を,スパースビデオからの3次元ガウス再構成と,計算効率の良い高分解能合成という2つの重要な課題に分解する。 実験により、HiReFFは高解像度のストリーミングビデオ再構成において既存の手法よりも大幅に優れていることが示された。
• 参考スコア（独自算出の注目度）: 58.85548854304172
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncalibrated volumetric video streaming for human reconstruction is essential for holographic communication and AR/VR, yet remains challenging due to the need for temporal consistency and computational efficiency from sparse-view inputs. Existing methods rely on per-scene optimization or calibrated cameras, while recent feed-forward models are limited to low-resolution (0.5K) single-frame synthesis. We present HiReFF, a feed-forward method for 2K-resolution 360° human video reconstruction from uncalibrated sparse-view videos. Our framework decomposes the problem into two key tasks: foreground 3D Gaussian reconstruction from sparse-view videos (four views separated by 90°) and computationally efficient high-resolution synthesis. To enable the former, we propose Scale-synchronized Camera Calibration to resolve scale ambiguity for multi-view supervision, and Gaussian-wise Foreground Masking to reconstruct clean foregrounds by modulating Gaussian parameters. For efficient high-resolution synthesis, our High-resolution Side-tuning achieves 2K rendering by augmenting the Gaussian head with supplementary features while keeping the backbone at 0.5K, drastically reducing computational overhead. Experiments demonstrate that HiReFF significantly outperforms existing methods in high-resolution streaming volumetric video reconstruction. https://iridescentjiang.github.io/HiReFF
• Abstract（参考訳）: ホログラフィー通信やAR/VRには,人間の再構成のための非校正ボリュームビデオストリーミングが不可欠だが,スパースビュー入力による時間的一貫性と計算効率の必要性から,依然として困難である。 既存の方法はシーンごとの最適化や校正カメラに依存しているが、最近のフィードフォワードモデルは低解像度(0.5K)の単フレーム合成に限られている。 In this present HiReFF, a feed-forward method for 2K- resolution 360° human video reconstruction from uncalibrated sparse-view video。 筆者らのフレームワークは,3次元ガウス変換をスパース・ビュー・ビデオ(4ビューを90°に分割した)と計算効率のよい高分解能合成という2つの重要な課題に分解する。 前者を実現するために,多視点監視のためのスケールのあいまいさを解決するためのスケール同期カメラキャリブレーションと,ガウス的パラメータを変調して前景を再構築するガウス的フォアグラウンドマスクを提案する。 高分解能サイドチューニングは, バックボーンを0.5Kに保ちながら, ガウスヘッドを補足特性で増強することにより2Kレンダリングを実現し, 計算オーバーヘッドを大幅に削減する。 実験により、HiReFFは、高解像度のストリーミングボリュームビデオ再構成において、既存の手法よりも大幅に優れていることが示された。 https://iridescentjiang.github.io/HiReFF

関連論文リスト

• VidSplat: Gaussian Splatting Reconstruction with Geometry-Guided Video Diffusion Priors [79.88300861391114]
  VidSplatは、トレーニング不要な生成的再構築フレームワークである。 生成と再構築の効果的な統合を可能にする2つの重要な課題に取り組む。 広範に使用されているベンチマーク実験は、スパースビューのシーン再構成における優れた性能を示している。
  論文  参考訳（メタデータ） (2026-05-12T02:20:31Z)
• ViBe: Ultra-High-Resolution Video Synthesis Born from Pure Images [30.646542711556787]
  トランスフォーマーに基づくビデオ拡散モデルは、空間的および時間的トークンに対する3次元の注意に依存している。 我々は,高解像度映像を合成するために,ネイティブスケールで事前学習したビデオ拡散変換器をアップグレードする純粋な画像適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-24T15:27:22Z)
• 3One2: One-step Regression Plus One-step Diffusion for One-hot Modulation in Dual-path Video Snapshot Compressive Imaging [15.082139132074294]
  ビデオスナップショットイメージング(SCI)は、2次元(2D)スナップショットを通して動的なシーンシーケンスをキャプチャする。 ワンホット変調は1ピクセルあたり1つのサブフレームのみを活性化し、完全な時間デカップリングを達成するための有望なソリューションを提供する。 ワンホットマスクに特化して設計されたアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-12-19T13:44:36Z)
• M2SVid: End-to-End Inpainting and Refinement for Monocular-to-Stereo Video Conversion [60.728003408015844]
  入力左図の奥行きに基づく再投影により得られた歪んだ右図の描画と洗練のための新しいアーキテクチャを提案する。 提案手法は従来の最先端手法よりも優れており,ユーザスタディでは4つの比較手法の中で平均1.43のランクが得られた。
  論文  参考訳（メタデータ） (2025-05-22T11:58:54Z)
• Pixel to Gaussian: Ultra-Fast Continuous Super-Resolution with 2D Gaussian Modeling [50.34513854725803]
  Arbitrary-scale Super- resolution (ASSR) は、低解像度(LR)入力から任意のアップサンプリング係数で高解像度(HR)イメージを再構成することを目的としている。 本稿では,Gaussian Splattingを用いたLR画像から2次元連続HR信号を明示的に再構成する,Pixel-to-Gaussianパラダイムを用いた新しいContinuousSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-09T13:43:57Z)
• DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
  新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。 大規模な環境下では、復元の質が悪くなる場合が少なくない。 本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
  論文  参考訳（メタデータ） (2024-11-19T07:51:44Z)
• Towards Interpretable Video Super-Resolution via Alternating Optimization [115.85296325037565]
  低フレームのぼかしビデオから高フレームの高解像度のシャープビデオを生成することを目的とした実時間ビデオ超解法(STVSR)問題について検討する。 本稿では,モデルベースと学習ベースの両方の手法を用いて,解釈可能なSTVSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-21T21:34:05Z)

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。