論文の概要: FastPano3D: Feed-Forward Indoor Panoramic 3D Reconstruction from a Single Image

• arxiv url: http://arxiv.org/abs/2606.30352v1
• Date: Mon, 29 Jun 2026 14:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.277506
• Title: FastPano3D: Feed-Forward Indoor Panoramic 3D Reconstruction from a Single Image
• Title（参考訳）: FastPano3D:単一画像からのフィードフォワード室内パノラマ3D再構成
• Authors: Jianqiang Li, Liumei Zhang, Wenjia Guo, Tianlong Feng, Yongzhi Liao, Di Lu, Hanchi Ren, Jingjing Deng,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.543213546428594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in 3D scene reconstruction have highlighted the intricate trade-offs among rendering quality, inference efficiency, and data dependency. To address the challenge of rapidly reconstructing detailed 3D indoor scenes from minimal input, we introduce FastPano3D, an end-to-end framework that directly generates renderable 3D Gaussian representations from a single panoramic image. Unlike perspective-based methods, panoramic images inherently suffer from equirectangular projection distortions and spatially non-uniform feature distributions, making direct feed-forward Gaussian generation particularly challenging. In contrast to existing Gaussian Splatting based methods that rely on multi-view supervision or per-scene optimization, FastPano3D employs a lightweight feature encoder, adaptive Gaussian sampling, and a point-cloud-guided refinement strategy to achieve efficient and accurate scene generation without any test-time optimization. Our approach reconstructs high-fidelity 3D scenes within seconds, achieving up to 156 times faster inference than prior state-of-the-art methods such as Pano2Room, while using only half the parameters. Extensive experiments demonstrate that FastPano3D delivers rendering quality comparable to NeRF- and 3DGS-based reconstructions, establishing a new benchmark for rapid, single-view 3D scene inference.
• Abstract（参考訳）: 最近の3Dシーン再構築の進歩は、レンダリング品質、推論効率、データ依存の間の複雑なトレードオフを浮き彫りにした。 最小限の入力から詳細な3D屋内シーンを迅速に再構築するという課題に対処するため,単一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FastPano3Dを紹介した。 視点に基づく手法とは異なり、パノラマ画像は本質的に正方形投影歪みや空間的に一様でない特徴分布に悩まされており、直接フィードフォワードガウス生成は特に困難である。 マルチビューの監督やシーンごとの最適化に頼っている既存のガウシアン・スプレイティングの手法とは対照的に、FastPano3Dは軽量な機能エンコーダ、適応ガウシアンサンプリング、およびポイントクラウド誘導の洗練戦略を採用して、テストタイムの最適化なしに効率よく正確なシーン生成を実現している。 提案手法は高忠実度3Dシーンを数秒で再構成し,Pano2Roomのような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。 大規模な実験により、FastPano3DはNeRFおよび3DGSベースの再構築に匹敵するレンダリング品質を提供し、高速でシングルビューの3Dシーン推論のための新しいベンチマークを確立した。

関連論文リスト

• PointGS: Point Attention-Aware Sparse View Synthesis with Gaussian Splatting [4.451779041553596]
  3D Gaussian splatting (3DGS) は、レンダリング速度と視覚品質の両方において、ニューラル放射場(NeRF)を超える革新的なレンダリング技術である。 本稿では,スパーストレーニングビューからリアルタイムかつ高品質なレンダリングを可能にするポイントワイズ特徴認識型ガウス分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-12T04:07:07Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion [54.197343533492486]
  Event3DGSは高速移動下で高忠実度3D構造と外観を再構築することができる。 複数の合成および実世界のデータセットの実験は、既存のイベントベースの高密度な3Dシーン再構築フレームワークと比較して、Event3DGSの優位性を示している。 また, 構造的精度を損なうことなく, 外観の忠実度をより高められるように, フレームベースで数回の動特性測定を再構成プロセスに組み込むことも可能である。
  論文  参考訳（メタデータ） (2024-06-05T06:06:03Z)
• 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)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Triplane Meets Gaussian Splatting: Fast and Generalizable Single-View 3D Reconstruction with Transformers [37.14235383028582]
  本稿では,フィードフォワード推論を用いて,単一画像から3次元モデルを効率よく生成する,一視点再構成のための新しい手法を提案する。 提案手法では,2つのトランスフォーマーネットワーク,すなわちポイントデコーダとトリプレーンデコーダを用いて,ハイブリッドトリプレーン・ガウス中間表現を用いて3次元オブジェクトを再構成する。
  論文  参考訳（メタデータ） (2023-12-14T17:18:34Z)
• Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
  最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。 局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。 提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T17:58:57Z)

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。