論文の概要: SalientGS: Unified SfM-to-3DGS with Importance-Guided MCMC Gaussian Allocation
- arxiv url: http://arxiv.org/abs/2607.11285v2
- Date: Wed, 15 Jul 2026 05:18:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 12:21:59.393316
- Title: SalientGS: Unified SfM-to-3DGS with Importance-Guided MCMC Gaussian Allocation
- Title（参考訳）: SalientGS: 重要誘導MCMCガウスアロケーションを備えたSfM-to-3DGS統合SfM-to-3DGS
- Abstract要約: 秩序のない画像から3Dシーンを再構築することは、高価なStructurefrom-Motionプリプロセスによってボトルネックに残っている。
SfM-to-3D Gaussian Splatting (3DGS)パイプラインを統一したSalientGSを提案する。
SalientGSは15分で最先端の知覚品質でエンドツーエンドの再構築を実現している。
- 参考スコア（独自算出の注目度）: 7.045338803188879
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reconstructing 3D scenes from unordered images remains bottlenecked by expensive Structure-from-Motion (SfM) preprocessing and frozen pose interfaces. We present SalientGS, a unified SfM-to-3D Gaussian Splatting (3DGS) pipeline. Its central contribution is importance-guided Markov Chain Monte Carlo (MCMC) Gaussian allocation, which aggregates multi-view residuals into per-Gaussian underfit and redundancy signals. These signals define a smooth importance-weighted sampling distribution that biases both birth and relocation toward underfit regions. This reallocates capacity from well-fit areas without altering the underlying stochastic gradient Langevin dynamics (SGLD). SalientGS achieves end-to-end reconstruction in 15 minutes with state-of-the-art perceptual quality. The supplementary material provides dedicated sections for Per-Scene Qualitative Comparisons and Per-Image Learned Perceptual Image Patch Similarity (LPIPS) Analysis, including failure cases. Code and evaluation scripts are available at https://github.com/Six-Bit-TX/SalientGS.
- Abstract（参考訳）: 秩序のない画像から3Dシーンを再構成することは、高価なStructure-from-Motion (SfM)プリプロセッシングとフリーズされたポーズインターフェースによってボトルネックが残っている。
SfM-to-3D Gaussian Splatting (3DGS)パイプラインを統一したSalientGSを提案する。
その中心的な貢献はマルコフ・チェイン・モンテカルロ(MCMC)ガウスの割り当てであり、これは多視点残差をガウス毎の不適合信号と冗長信号に集約する。
これらの信号はスムーズな重み付けされたサンプリング分布を定義しており、出生と再配置の両方を不適切な領域に偏らせる。
これにより、基礎となる確率勾配ランゲヴィンダイナミクス(SGLD)を変更することなく、良好な領域からキャパシティを再配置する。
SalientGSは15分で最先端の知覚品質でエンドツーエンドの再構築を実現している。
補足材料は、故障事例を含む、シーン毎の質的比較とパーイメージ学習パーセプショナルイメージパッチ類似性(LPIPS)分析のための専用セクションを提供する。
コードと評価スクリプトはhttps://github.com/Six-Bit-TX/SalientGSで入手できる。
関連論文リスト
- Seeing the Unseen: Semantic-in-Gaussian for Sparse-View 3D Generalization [11.792866109225924]
一般化可能な3Dガウススプラッティング(G-3DGS)は、新規なビュー合成アンダースパースビュー設定のための有望なアプローチとして現れている。
これらの課題に対処するため,新しいG-3DGSフレームワークであるSeeUを提案する。
SeeUは最近のSOTA G-3DGS法と比較してPSNRで平均2.44dBの改善を実現している。
論文 参考訳（メタデータ） (2026-08-24T02:58:24Z) - Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。
本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
論文 参考訳（メタデータ） (2026-08-16T09:43:50Z) - Disambiguating 2D-3D Correspondences in Gaussian Splatting-based Feature Fields for Visual Localization [36.99946317601775]
本稿では,2D-3Dマッチングに光度最適化された特徴場(GSFF)が本質的に不適であることを示す。
これらの問題に対処するために,ガウス属性を利用して2D-3D対応を曖昧にする特殊な局所化フレームワークであるSplitGS-Locを提案する。
論文 参考訳（メタデータ） (2026-05-08T07:01:30Z) - GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting [0.0]
GETA-3DGS は、3DGS のためのエンドツーエンドのジョイント構造化プルーニングおよび量子化フレームワークである。
ポストホックなアンカー表現ではなく、生のガウス的プリミティブで直接動作する。
バニラ3DGSのストレージ容量は5倍で、シーンごとの閾値はない。
論文 参考訳（メタデータ） (2026-05-03T23:12:14Z) - NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。
本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
論文 参考訳（メタデータ） (2026-04-16T07:14:07Z) - GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。
大量のガウス点があるため、高いメモリコストに制約される。
コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文 参考訳（メタデータ） (2026-04-02T10:41:51Z) - 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) - Segmentation-Driven Initialization for Sparse-view 3D Gaussian Splatting [0.9251324073335035]
3D Gaussian Splatting (3DGS)は、競争力のあるリアルタイムレンダリングを可能にした。
既存のパイプラインは、しばしばカメラポーズ推定にStructure-from-Motion(SfM)に依存している。
本研究では,構造的に重要な領域のみを識別・保持するために,領域ベースセグメンテーションを活用して非効率を緩和する手法を提案する。
論文 参考訳（メタデータ） (2025-09-15T12:31:33Z) - ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [21.259495668002796]
そこで我々は, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。
我々のアプローチは、詳細を適応的に検索し、欠落した幾何学を補完することができる。
論文 参考訳（メタデータ） (2024-12-10T13:19:27Z) - 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) - FSGS: Real-Time Few-shot View Synthesis using Gaussian Splatting [58.41056963451056]
本稿では,3次元ガウススプラッティングに基づく数ショットビュー合成フレームワークを提案する。
このフレームワークは3つのトレーニングビューでリアルタイムおよびフォトリアリスティックなビュー合成を可能にする。
FSGSは、さまざまなデータセットの精度とレンダリング効率の両方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） (2023-12-01T09:30:02Z)
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。