論文の概要: Incremental Online Scene Reconstruction by 3D Gaussian Triangulation
- arxiv url: http://arxiv.org/abs/2607.10690v1
- Date: Sun, 12 Jul 2026 10:22:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.505151
- Title: Incremental Online Scene Reconstruction by 3D Gaussian Triangulation
- Title（参考訳）: 3次元ガウス三角測量によるオンラインシーンのインクリメンタル再構築
- Abstract要約: 本稿では,高忠実度メッシュを漸進的に再構築し,更新する新しいオンラインフレームワークを提案する。
また、ガウス集合からメッシュを効率的に抽出し、更新する直接メッシュアルゴリズムを提案する。
我々のフレームワークは、長時間の処理においてメモリと計算オーバーヘッドを大幅に削減する。
- 参考スコア（独自算出の注目度）: 22.398131643187384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Incremental scene reconstruction is essential for real-world applications. Although 3D Gaussian Splatting shows strong potential, most existing approaches require offline conversion of the optimized Gaussians into an intermediate implicit field for explicit mesh extraction, which hinders seamless integration with downstream tasks. To address this limitation, we propose a novel online framework that incrementally reconstructs and updates high-fidelity explicit meshes by directly triangulating a dense geometric Gaussian representation, which supports both high-quality rendering and incremental surface reconstruction. Moreover, we present a direct meshing algorithm that efficiently extracts and updates the mesh from the Gaussian set. To ensure mesh accuracy, we enforce a plane-based pulling constraint that dynamically aligns 3D Gaussian primitives to the approximated local surface. Furthermore, our framework significantly reduces memory and computational overhead during long-sequence processing by dynamically freezing fully optimized historical regions. Experiments on public datasets demonstrate that our method outperforms conventional Gaussian-based methods on both rendering quality and reconstruction accuracy.
- Abstract（参考訳）: 実世界のアプリケーションにはインクリメンタルなシーン再構築が不可欠である。
3D Gaussian Splatting は強い可能性を示しているが、既存のほとんどのアプローチでは、最適化された Gaussian を明示的なメッシュ抽出のための中間暗黙の場にオフラインに変換する必要があるため、下流タスクとのシームレスな統合を妨げている。
この制限に対処するため,高精細な幾何学的ガウス表現を直接三角測量することにより,高精細なメッシュを漸進的に再構築し,更新する新しいオンラインフレームワークを提案する。
さらに,ガウス集合からメッシュを効率的に抽出し,更新する直接メッシュアルゴリズムを提案する。
メッシュの精度を確保するため、3次元ガウス原始体を近似した局所曲面に動的に整列する平面ベースの引き込み制約を適用した。
さらに,完全に最適化された履歴領域を動的に凍結することにより,長期処理時のメモリオーバーヘッドと計算オーバーヘッドを著しく低減する。
公開データセットを用いた実験では,従来のガウス法よりも精度と再現精度が優れていた。
関連論文リスト
- Gaussian Sculpting: End-to-End Controllable Surface Reconstruction via Field Optimization [22.001328928240053]
3D Gaussian Splattingは、最近、印象的な品質でリアルタイムの新規ビュー合成を可能にした。
限定的な視点で正確な曲面を復元することは困難であり、ガウス原始体の固有の不規則性のためである。
本稿では,高品質な表面再構成のためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T07:42:24Z) - OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。
OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-09-29T05:43:40Z) - MILo: Mesh-In-the-Loop Gaussian Splatting for Detailed and Efficient Surface Reconstruction [38.02000636240954]
3次元ガウスからメッシュを微分的に抽出することにより,体積表現と表面表現のギャップを埋める新しいフレームワークMILoを提案する。
提案手法では,従来の手法に比べてメッシュ頂点のオーダーを桁違いに少なくしつつ,背景を含む全シーンを最先端の品質で再構築することができる。
論文 参考訳（メタデータ） (2025-06-30T17:48:54Z) - QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。
レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。
大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
論文 参考訳（メタデータ） (2025-05-08T18:43:26Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - 3D Gaussian Splatting with Normal Information for Mesh Extraction and Improved Rendering [8.59572577251833]
ガウス関数から推定される符号距離関数の勾配を用いた新しい正規化法を提案する。
我々は、Mip-NeRF360、Tamps and Temples、Deep-Blendingなどのデータセットに対するアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2025-01-14T18:40:33Z) - DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。
複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
論文 参考訳（メタデータ） (2024-11-18T05:49:16Z) - GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-05-30T03:46:59Z) - Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。
GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。
GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
論文 参考訳（メタデータ） (2024-04-16T17:57:19Z) - Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。
我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。
提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
論文 参考訳（メタデータ） (2024-02-07T12:36:54Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z)
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。