論文の概要: SharpSplat: Edge-Regularized 3D Gaussian Splatting for High Fidelity Urban Building Reconstruction from UAV images

• arxiv url: http://arxiv.org/abs/2607.03872v1
• Date: Sat, 04 Jul 2026 13:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.741926
• Title: SharpSplat: Edge-Regularized 3D Gaussian Splatting for High Fidelity Urban Building Reconstruction from UAV images
• Title（参考訳）: SharpSplat:UAV画像からの高忠実度都市ビル再建のためのエッジレギュラー化3Dガウススプラッティング
• Abstract要約: 本稿では,3DGSを監督するセマンティックエッジ規則化フレームワークを提案する。 提案手法はSAM 3を用いて正確な建築マスクを生成し,建築的に重要なエッジを抽出する。 我々のアプローチは、多様な建築タイプ、屋根のジオメトリー、都市密度にまたがる堅牢さを証明している。
• 参考スコア（独自算出の注目度）: 8.23277995673829
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reconstructing high-fidelity 3D building models from UAV imagery is essential for large-scale digital twin development. However, existing 3D Gaussian Splatting (3DGS) techniques often struggle with building facades, failing to capture sharp geometric transitions. To address this, we propose a semantic edge regularization framework that supervises 3DGS to produce crisp architectural boundaries. Our method leverages SAM 3 to generate precise building masks, from which we extract architecturally significant edges. During training, we align rendered image gradients with these extracted edges, forcing the Gaussians to converge into sharp structural geometries. Evaluations across campus environments, dense urban centers, and custom residential datasets demonstrate significant improvements in edge fidelity without requiring architectural modifications to the 3DGS pipeline. Our approach proves robust across diverse building types, roof geometries, and urban densities.
• Abstract（参考訳）: UAV画像から高忠実度3Dビルディングモデルを再構築することは、大規模デジタルツイン開発に不可欠である。 しかし、既存の3Dガウススティング(3DGS)技術は、しばしばファサードの構築に苦労し、鋭い幾何学的遷移を捉えられなかった。 そこで本研究では,3DGS を監督する意味的エッジ正規化フレームワークを提案する。 提案手法はSAM 3を用いて正確な建築マスクを生成し,建築的に重要なエッジを抽出する。 トレーニング中、レンダリングされた画像勾配をこれらの抽出されたエッジと整列させ、ガウス人は鋭い構造幾何学に収束せざるを得なかった。 キャンパス環境、人口密度の高い都市センター、およびカスタムの住宅データセットによる評価は、3DGSパイプラインのアーキテクチャ変更を必要とせず、エッジの忠実度を大幅に改善したことを示している。 我々のアプローチは、多様な建築タイプ、屋根のジオメトリー、都市密度にまたがる堅牢さを証明している。

関連論文リスト

• WorldGrow: Generating Infinite 3D World [75.81531067447203]
  我々は、無限に拡張可能な3D世界、すなわちコヒーレントな幾何学と現実的な外観を持つ大規模で連続的な環境を生み出すという課題に取り組む。 本研究では,非有界な3次元シーン合成のための階層的フレームワークWorldGrowを提案する。 提案手法は,(1)高品質なシーンブロックを抽出し,シーン生成に適した3D構造化潜在表現を作成するデータキュレーションパイプライン,(2)コンテキスト認識シーン拡張を可能にする3Dブロックインペイント機構,(3)グローバルなレイアウトの妥当性と局所幾何学的/音声的忠実性の両立を保証する粗大かつ微細な生成戦略,の3つのコアコンポーネントを特徴とする。
  論文  参考訳（メタデータ） (2025-10-24T17:39:52Z)
• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
  VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。 本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。 多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
  論文  参考訳（メタデータ） (2025-10-10T13:22:12Z)
• Accurate and Complete Surface Reconstruction from 3D Gaussians via Direct SDF Learning [5.604709769018076]
  3D Gaussian Splatting (3DGS) はフォトリアリスティック・ビュー・シンセサイザーの強力なパラダイムとして登場した。 3DGSパイプラインに直接サインドディスタンスフィールド(Signed Distance Field, SDF)学習を組み込む統合フレームワークであるDiGSを提案する。 DiGSは高い忠実度を維持しつつ,復元精度と完全性を常に向上することを示す。
  論文  参考訳（メタデータ） (2025-09-09T08:17:46Z)
• From Flight to Insight: Semantic 3D Reconstruction for Aerial Inspection via Gaussian Splatting and Language-Guided Segmentation [3.0477617036157136]
  高忠実度3D再構成は, インフラ監視, 構造評価, 環境調査などの航空検査業務において重要である。 従来のフォトグラム法は幾何学的モデリングを可能にするが、意味論的解釈性に欠け、自動検査の有効性を制限している。 ニューラルレンダリングと3Dガウススプラッティング(3DGS)の最近の進歩は、効率的でフォトリアリスティックな再構築を提供するが、同様にシーンレベルの理解が欠如している。 言語誘導型3DセグメンテーションのためにFeature-3DGSを拡張するUAVベースのパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-05-23T02:35:46Z)
• T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
  映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。 我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
  論文  参考訳（メタデータ） (2024-11-29T07:45:24Z)
• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• Enhancement of 3D Gaussian Splatting using Raw Mesh for Photorealistic Recreation of Architectures [12.96911281844627]
  本研究では,3次元ガウスモデルを用いて建物の基本形状を抽出する手法を提案する。 この調査は,建築設計分野における3次元再構築技術の有効性を向上する新たな可能性を開くものである。
  論文  参考訳（メタデータ） (2024-07-22T07:29:38Z)
• GeoLRM: Geometry-Aware Large Reconstruction Model for High-Quality 3D Gaussian Generation [65.33726478659304]
  GeoLRM(Geometry-Aware Large Restruction Model)は、512kガウスと21の入力画像で11GBのGPUメモリで高品質な資産を予測できる手法である。 従来の作品では、3D構造の本質的な空間性は無視されており、3D画像と2D画像の間の明示的な幾何学的関係は利用されていない。 GeoLRMは、3Dポイントを直接処理し、変形可能なクロスアテンション機構を使用する新しい3D対応トランスフォーマー構造を導入することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2024-06-21T17:49:31Z)
• 3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting [58.95801720309658]
  本稿では,3次元ガウス散乱(3DGS),すなわち3DGSRを用いた暗黙的表面再構成法を提案する。 重要な洞察は、暗黙の符号付き距離場(SDF)を3Dガウスに組み込んで、それらが整列され、共同最適化されるようにすることである。 実験により, 3DGSの効率とレンダリング品質を保ちながら, 高品質な3D表面再構成が可能な3DGSR法が実証された。
  論文  参考訳（メタデータ） (2024-03-30T16:35:38Z)

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。