論文の概要: StereoGS: Sparse-View 3D Gaussian Splatting via Stereo Priors
- arxiv url: http://arxiv.org/abs/2606.30545v2
- Date: Sun, 05 Jul 2026 02:47:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 17:33:48.634821
- Title: StereoGS: Sparse-View 3D Gaussian Splatting via Stereo Priors
- Title（参考訳）: StereoGS:Sparse-View 3D Gaussian Splatting via Stereo Priors
- Abstract要約: 3D Gaussian Splatting (3DGS) は、リアルタイムの新規なビュー合成において顕著な成功を収めた。
幾何的制約が不十分なため、スパースビュー設定下で厳しいオーバーフィッティングに悩まされる。
両眼の安定性を確立するためにステレオ先行情報を統合した新しいスパースビュー3DGSフレームワークであるStereoGSを提案する。
- 参考スコア（独自算出の注目度）: 0.9326260051834822
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) has achieved remarkable success in real-time novel view synthesis, yet it suffers from severe overfitting under sparse-view settings due to insufficient geometric constraints. While recent methods introduce monocular depth priors to mitigate this, they inherently struggle with scale ambiguity and cross-view inconsistency, leading to defective geometry. In this paper, we propose StereoGS, a novel sparse-view 3DGS framework that integrates stereo priors to establish reliable binocular consistency. Unlike scale-agnostic monocular constraints, StereoGS introduces a Stereo Depth Regularization by constructing virtual stereo pairs during optimization and leveraging a foundation stereo model to enforce absolute scale and binocular-consistent structures. To further suppress overfitting and eliminate redundant primitives, we design a Gradient-Aware Opacity Decay strategy that dynamically penalizes Gaussians based on their relative opacity gradient magnitudes. Combined with a Consistency-Aware Dense Initialization using zero-shot multi-view depth estimation, StereoGS effectively anchors primitives to accurate scene surfaces. Extensive experiments on LLFF, DTU, Mip-NeRF360, and Blender datasets demonstrate that StereoGS achieves state-of-the-art performance in sparse-view settings without incurring any additional inference overhead. Project Page: https://stringerywh00.github.io/StereoGS_project_page/
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、リアルタイムの新規なビュー合成において顕著な成功を収めているが、幾何的制約が不十分なため、スパースビュー設定下での過度なオーバーフィッティングに悩まされている。
近年の手法では、この問題を緩和するために単分子深度を先行的に導入しているが、それらは本質的に、スケールのあいまいさと横断的な不整合に苦慮し、欠陥幾何学に繋がる。
本稿では,ステレオ先行情報を統合して信頼性の高い両眼整合性を確立する,新しいスパースビュー3DGSフレームワークであるStereoGSを提案する。
スケールに依存しない単分子制約とは異なり、StereoGSは最適化中に仮想ステレオペアを構築し、絶対スケールと双眼一貫性構造を強制するために基礎ステレオモデルを活用することでステレオ深さ正規化を導入する。
冗長なプリミティブの過度な適合や排除をさらに抑制するために、相対的不透明度勾配度に基づいてガウスを動的に罰するグラディエント・アウェア・オパクティ・デケイ戦略を設計する。
ゼロショットのマルチビュー深度推定を用いたConsistency-Aware Dense Initializationと組み合わせて、StereoGSはプリミティブを正確なシーンサーフェスに効果的に固定する。
LLFF、DTU、Mip-NeRF360、Blenderデータセットに関する大規模な実験は、StereoGSが追加の推論オーバーヘッドを発生させることなくスパースビュー設定で最先端のパフォーマンスを達成することを示した。
Project Page: https://stringerywh00.github.io/StereoGS_project_page/
関連論文リスト
- NOVA-GS: Noise-Aware View-Consistent Gaussian Splatting for Low-Light Novel View Synthesis [8.990930037094982]
NOVA-GSは低光度3Dガウススプラッティングのためのノイズ対応フレームワークである。
単一のプロセス内で拡張、デノイング、および幾何最適化を仮定する。
様々な現実世界の低照度データセットの実験では、ペアの監督やよく照らされた参照を必要とせずに、幾何学的忠実度、色一貫性、堅牢性が改善された。
論文 参考訳（メタデータ） (2026-09-11T10:26:36Z) - StereoSplat+: Feed-Forward Stereo Gaussian Splatting with Diffusion-Assisted Progressive Inference [18.13347835114754]
3D Gaussian Splatting (3DGS) は、新規ビュー合成のための高品質でレンダリング可能なシーン表現を実現している。
既存の3DGSパイプラインのほとんどは、十分なカバレッジを達成するために、マルチビューの観測に依存している。
本稿では,単一のステレオペアから因果的再構成を可能にする拡散促進フィードフォワードフレームワークであるStereoSplat+を提案する。
論文 参考訳（メタデータ） (2026-07-09T16:32:45Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。
ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。
Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
論文 参考訳（メタデータ） (2026-02-10T20:44:43Z) - D$^2$GS: Depth-and-Density Guided Gaussian Splatting for Stable and Accurate Sparse-View Reconstruction [73.61056394880733]
3D Gaussian Splatting (3DGS)は、3D表現を明示したリアルタイムかつ高忠実なノベルビュー合成(NVS)を可能にする。
疎視条件下では,カメラ近傍のガウス密度が過大な地域での過度適合と,ガウス範囲が不十分な遠隔地での過度適合の2つの重要な障害モードを同定する。
本稿では,奥行き案内型ドロップアウト戦略と距離認識型フィデリティ拡張モジュールという,2つの主要なコンポーネントからなる統合フレームワークD$2$GSを提案する。
論文 参考訳（メタデータ） (2025-10-09T17:59:49Z) - HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。
HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
論文 参考訳（メタデータ） (2025-09-29T15:03:31Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment [31.118114556998048]
モノラルおよびステレオのアプローチを3次元推定にブリッジする統合フレームワークを導入する。
新しいクロスアテンタティブアライメント機構は、ステレオ仮説表現とモノクロコンテキストキューを動的に同期させる。
我々のアプローチは、モダリティ固有の制限を超越した堅牢な3D知覚を可能にする。
論文 参考訳（メタデータ） (2025-08-06T16:31:22Z) - DET-GS: Depth- and Edge-Aware Regularization for High-Fidelity 3D Gaussian Splatting [5.759434800012218]
3D Gaussian Splatting (3DGS) は、効率的かつ高忠実な新規なビュー合成の分野において重要な進歩を示している。
既存の手法はしばしば非局所的な深さ正規化に依存しており、微細な構造を捉えることができない。
本稿では,3次元ガウス平滑化のための深度とエッジ認識の統一正規化フレームワークであるDET-GSを提案する。
論文 参考訳（メタデータ） (2025-08-06T05:37:26Z) - Diffusion-Guided Gaussian Splatting for Large-Scale Unconstrained 3D Reconstruction and Novel View Synthesis [22.767866875051013]
本稿では,現行手法の限界に対処する多視点拡散モデルを用いて,新しい3DGSフレームワークであるGS-Diffを提案する。
マルチビュー入力に条件付き擬似観測を生成することにより、制約の少ない3次元再構成問題をよく表されたものに変換する。
4つのベンチマークの実験では、GS-Diffは最先端のベースラインをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-02T17:59:46Z) - FoundationStereo: Zero-Shot Stereo Matching [50.79202911274819]
FoundationStereoはステレオ深度推定の基礎モデルである。
まず,大規模(1Mステレオペア)合成学習データセットを構築した。
その後、スケーラビリティを高めるために、多数のネットワークアーキテクチャコンポーネントを設計します。
論文 参考訳（メタデータ） (2025-01-17T01:01:44Z) - 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)
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。