論文の概要: InvSplat: Inverse Feed-Forward Scene Splatting
- arxiv url: http://arxiv.org/abs/2607.02301v1
- Date: Thu, 02 Jul 2026 15:18:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.899675
- Title: InvSplat: Inverse Feed-Forward Scene Splatting
- Title（参考訳）: InvSplat: 逆フィードフォワード・シーン・スプレイティング
- Authors: Polina Karpikova, Wenjing Bian, Haofei Xu, Hendrik Lensch, Andreas Geiger,
- Abstract要約: 逆レンダリングは、画像から3次元幾何学と物理的に意味のある材料特性の両方を復元することを目的としている。
逆レンダリングのためのフィードフォワード多視点再構成フレームワークを提案する。
本モデルは,素材推定ネットワークの先行情報を多視点3D再構成バックボーンと統合する。
- 参考スコア（独自算出の注目度）: 27.461734130974097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inverse rendering aims to recover both 3D geometry and physically meaningful material properties from images, enabling applications such as relighting and novel view synthesis. Optimization-based methods achieve high fidelity but require costly per-scene fitting, while image-space learning-based approaches often suffer from multi-view inconsistencies and lack an explicit 3D representation for stable novel view rendering. We present a feed-forward multi-view reconstruction framework for inverse rendering that directly predicts a structured 3D Gaussian representation with intrinsic material attributes. Each Gaussian primitive is parameterized by mean, normal, opacity, rotation, scale, albedo, metallic, and roughness, enabling a disentangled and physically grounded scene representation. Our model integrates priors from a material estimation network with a multi-view 3D reconstruction backbone, allowing joint prediction of geometry and reflectance parameters in a single forward pass. Experiments on synthetic and real-world datasets demonstrate improved multi-view consistency compared to 2D baselines, accurate material recovery, and stable novel view rendering. Our representation further supports physically-based relighting and more faithful modeling of view-dependent effects compared to existing RGB-based feed-forward reconstruction methods. Our project webpage is: $\href{https://poliik.github.io/invsplat/}{\text{https://poliik.github.io/invsplat/}}$.
- Abstract（参考訳）: 逆レンダリングは、画像から3次元幾何学と物理的に意味のある物質特性の両方を復元することを目的としており、リライティングや新しいビュー合成などの応用を可能にしている。
画像空間学習に基づくアプローチは、複数ビューの不整合に悩まされ、安定した新しいビューレンダリングのための明示的な3D表現が欠如している。
本稿では,本質的な材料特性を持つ3次元ガウス表現を直接予測する逆レンダリングのためのフィードフォワード多視点再構成フレームワークを提案する。
それぞれのガウス原始体は、平均、正常、不透明、回転、スケール、アルベド、金属、粗さによってパラメータ化され、乱れ、物理的に接地されたシーン表現を可能にする。
本モデルでは, 材料推定ネットワークと多視点3次元再構成バックボーンとの先行情報を統合し, 単一の前方通過における幾何学的パラメータと反射率パラメータの同時予測を可能にする。
合成および実世界のデータセットの実験では、2Dベースライン、正確な材料回収、安定した新しいビューレンダリングに比べて、マルチビューの一貫性が向上した。
我々の表現は、既存のRGBベースのフィードフォワード再構成法と比較して、物理的なリライティングとビュー依存効果の忠実なモデリングをさらに支援している。
私たちのプロジェクトのWebページは以下の通りである。 $\href{https://poliik.github.io/invsplat/}{\text{https://poliik.github.io/invsplat/}}$。
関連論文リスト
- TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction [65.03268438396556]
TriSplatは、向き付けられた三角形のプリミティブを持つシーンを表すフィードフォワード再構築ネットワークである。
シミュレーション可能なメッシュシーンを1つのフォワードパスからエクスポートする。
RealEstate10K と DL3DV の実験により、この表現はガウスのフィードフォワードベースラインよりも幾何に忠実な再構成を生成することが示された。
論文 参考訳（メタデータ） (2026-05-25T17:59:53Z) - HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。
スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。
本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-03-25T06:54:34Z) - ReLi3D: Relightable Multi-view 3D Reconstruction with Disentangled Illumination [44.640886020982464]
ReLi3Dは、完全な3次元形状、空間的に変化する物理的素材、および環境光を1秒未満で再現する最初の統合エンドツーエンドパイプラインである。
提案手法の鍵となるのは,変換器のクロスコンディショニングアーキテクチャによるマルチビュー入力の融合である。
論文 参考訳（メタデータ） (2026-03-20T08:37:39Z) - SplatBright: Generalizable Low-Light Scene Reconstruction from Sparse Views via Physically-Guided Gaussian Enhancement [26.905118897488077]
SplatBrightは、スパースsRGB入力からのジョイントローライト拡張と再構成のための最初の一般化可能な3Dガウスフレームワークである。
我々のキーとなる考え方は、物理的に誘導された照明モデリングと幾何学的外観の疎結合を統合して、一貫した低照度再構成を行うことである。
SplatBright は2D と 3D の両方の手法と比較して、目立たない低照度シーンに優れた新規ビュー合成、クロスビュー一貫性、そしてより良い一般化を実現している。
論文 参考訳（メタデータ） (2025-12-21T09:06:16Z) - LARM: A Large Articulated-Object Reconstruction Model [29.66486888001511]
LARMは、スパースビュー画像から3Dの明瞭なオブジェクトを再構成する統合フィードフォワードフレームワークである。
LARMは、ディープマップやパートマスクなどの補助出力を生成し、明示的な3Dメッシュ抽出と関節推定を容易にする。
我々のパイプラインは、密集した監視の必要性を排除し、多様な対象カテゴリにわたる高忠実度再構築をサポートする。
論文 参考訳（メタデータ） (2025-11-14T18:55:27Z) - LIRM: Large Inverse Rendering Model for Progressive Reconstruction of Shape, Materials and View-dependent Radiance Fields [23.174562444342286]
本稿では,高品質な形状,材料,放射界を共同で再構成するトランスフォーマーアーキテクチャであるLarge Inverse Rendering Model(LIRM)を提案する。
我々のモデルは、現在最先端のスパース・ビュー・リコンストラクション品質を実現する、最近の大規模リコンストラクション・モデル(LRM)に基づいて構築されている。
論文 参考訳（メタデータ） (2025-04-28T17:48:58Z) - VolRecon: Volume Rendering of Signed Ray Distance Functions for
Generalizable Multi-View Reconstruction [64.09702079593372]
VolRecon は Signed Ray Distance Function (SRDF) を用いた新しい一般化可能な暗黙的再構成法である
DTUデータセットでは、VolReconはスパースビュー再構築においてSparseNeuSを約30%上回り、フルビュー再構築においてMVSNetと同等の精度を達成する。
論文 参考訳（メタデータ） (2022-12-15T18:59:54Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳（メタデータ） (2022-11-28T18:59:52Z) - Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
多視点画像観測による材料と照明の協調最適化手法を提案する。
従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
論文 参考訳（メタデータ） (2021-11-24T13:58:20Z) - Shape From Tracing: Towards Reconstructing 3D Object Geometry and SVBRDF
Material from Images via Differentiable Path Tracing [16.975014467319443]
識別可能なパストレースは、複雑な外観効果を再現できるため、魅力的なフレームワークである。
本稿では,初期粗いメッシュとメッシュファセット単位の材料表現を改良するために,微分可能なレイトレーシングを利用する方法を示す。
また、制約のない環境下での現実世界の物体の初期再構成を洗練させる方法についても示す。
論文 参考訳（メタデータ） (2020-12-06T18:55:35Z)
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。