論文の概要: Rectifying Mask via Entropy for Distractor-Free 3DGS in Ambiguous Scenarios
- arxiv url: http://arxiv.org/abs/2606.29496v2
- Date: Fri, 03 Jul 2026 02:08:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 13:04:58.23808
- Title: Rectifying Mask via Entropy for Distractor-Free 3DGS in Ambiguous Scenarios
- Title（参考訳）: 難治性シナリオにおける難治性3DGSのためのエントロピーによるマスクの整形
- Abstract要約: 本稿では,過渡マスクを効果的に構築し,多彩な乱れを識別する機構であるRefineSplatを提案する。
色やセマンティックなあいまいさによる静的なシーンと過渡的な要素の区別に苦労している既存のアプローチとは異なり、RefineSplatはエントロピーとインスタンスマスクを活用するあいまいなイントラクタをキャプチャする。
- 参考スコア（独自算出の注目度）: 16.103101034398524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present RefineSplat, a systematic framework that effectively constructs transient masks to identify diverse ambiguous distractors. To do this, we qualitatively and quantitatively analyze issues and propose a novel entropy-aware adaptive masking method. Unlike existing approaches that struggle to distinguish transient elements from static scenes due to color or semantic ambiguity, RefineSplat captures ambiguous distractors leveraging entropy and instance masks. Furthermore, we propose a simple yet effective entropy-aware density control to align Gaussians in ambiguous scenarios considering Entropy-aware positional gradients. Additionally, to rigorously validate our method, we first create and release the Ambiguous wild dataset, including 18 scenes where distractors and static scenes are hard to distinguish due to color or semantic resemblances. Experimental results on various datasets demonstrate that RefineSplat shows state-of-the-art performance, showing distractor-free novel view synthesis.
- Abstract（参考訳）: 本稿では,過渡マスクを効果的に構築し,多彩な乱れを識別する機構であるRefineSplatを提案する。
そこで我々は,この問題を質的かつ定量的に分析し,新しいエントロピー対応マスキング手法を提案する。
色やセマンティックなあいまいさによる静的なシーンと過渡的な要素の区別に苦労している既存のアプローチとは異なり、RefineSplatはエントロピーとインスタンスマスクを活用するあいまいなイントラクタをキャプチャする。
さらに、エントロピー認識位置勾配を考慮したあいまいなシナリオでガウスを整列させる単純なエントロピー認識密度制御を提案する。
さらに,本手法を厳密に検証するために,まず,色や意味的類似性から,乱れや静的なシーンを区別しにくい18のシーンを含む,アンビグラス野生データセットを作成し,リリースする。
様々なデータセットの実験結果から、RefineSplatは最先端のパフォーマンスを示し、邪魔のない新規ビューの合成を示す。
関連論文リスト
- Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - EmoScene: A Dual-space Dataset for Controllable Affective Image Generation [36.90201432936213]
EmoSceneは、感情的次元と知覚的属性を共同でエンコードする大規模なデュアルスペース感情データセットである。
個別の感情がVAD空間をいかに占めているか、そして、その影響がシーンレベルの知覚的要因と体系的に相関しているかを示す。
論文 参考訳（メタデータ） (2026-04-01T14:10:23Z) - RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。
いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
論文 参考訳（メタデータ） (2025-12-04T14:05:09Z) - Contrast-Prior Enhanced Duality for Mask-Free Shadow Removal [12.417806583744134]
既存のシャドウ除去法はしばしばシャドウマスクに依存しており、現実のシナリオでは取得が困難である。
局所コントラスト情報などの本質的な画像手がかりの探索は、明示的なマスクがない場合のシャドウ除去を導くための潜在的な代替手段を示す。
本稿では,適応型2分岐注意機構 (AGBA) を提案する。
論文 参考訳（メタデータ） (2025-07-29T16:00:42Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - ForestSplats: Deformable transient field for Gaussian Splatting in the Wild [7.826711452520102]
3D-GSは静的なシーンでは有効性を示すが、実際の環境では性能が著しく低下する。
変形可能な過渡場とスーパーピクセル対応マスクを利用する新しいアプローチであるフォレストスプラッツを提案する。
論文 参考訳（メタデータ） (2025-03-08T11:44:57Z) - Learning Relighting and Intrinsic Decomposition in Neural Radiance Fields [21.057216351934688]
本研究は,リライティングと本質的な分解を併用する手法を提案する。
シーン内の光の変動を利用して擬似ラベルを生成することにより、本手法は本質的な分解のガイダンスを提供する。
提案手法は,実世界の合成データセットと実世界のデータセットの両方で検証し,有望な結果を得た。
論文 参考訳（メタデータ） (2024-06-16T21:10:37Z) - ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。
本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。
我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2023-10-31T06:11:23Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z)
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。