論文の概要: Immediate 3D Gaussian Splat Reconstruction of Unordered Input with Global Consistency

• arxiv url: http://arxiv.org/abs/2607.14481v1
• Date: Thu, 16 Jul 2026 01:53:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.95368
• Title: Immediate 3D Gaussian Splat Reconstruction of Unordered Input with Global Consistency
• Title（参考訳）: グローバル整合性を有する非順序入力の即時3次元ガウススプラット再構成
• Abstract要約: 3DGSは、キャプチャされたシーンの再構築とリアルタイムレンダリングの方法として選択されている。 動きからの構造は、そのようなキャプチャを再構築することができるが、全て利用可能で、しばしば計算コストの高い後にのみである。 グローバルな整合性を提供する放射場捕捉のための最初の即時フィードバックソリューションを提供する。
• 参考スコア（独自算出の注目度）: 8.965954706970313
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has become the method of choice for reconstructing and real-time rendering of captured scenes. To capture a scene with good visual quality, continuous image sequences are usually combined with out-of-order shots for better scene coverage. Structure from motion can reconstruct such captures, but only after they are all available and often with high computational cost. Incremental reconstruction methods -- often derived from SLAM solutions -- provide immediate feedback, but cannot handle the out-of-order capture we require. We provide the first immediate feedback solution for such radiance field capture that provides global consistency. We first introduce a method for fast matching in out-of-order sequences, by repurposing visual place recognition models and a covisibility graph, and provide an efficient way to find highly connected keyframes, improving quality even for ordered sequences. We show how these steps -- together with GPU optimization and careful Gaussian primitive placement -- provide fast local reconstruction, in our challenging radiance field reconstruction case. We then introduce a novel cluster-based method, again using the covisibility graph, to provide efficient loop closure that does not require sequential input. Finally, to handle large scenes in our context, we introduce a progressive hierarchy that allows our method to scale to large environments, without compromising efficiency. Our results show we provide immediate feedback 3DGS reconstruction with good visual quality in several datasets, with up to thousands of input images.
• Abstract（参考訳）: 3Dガウススティング(3DGS)は撮影シーンの再構成とリアルタイムレンダリングの方法として選択されている。 画質のよいシーンをキャプチャするために、連続した画像シーケンスは、通常、より優れたシーンカバレッジのために、アウト・オブ・オーダーのショットと組み合わせられる。 動きからの構造は、そのようなキャプチャを再構築することができるが、全て利用可能で、しばしば計算コストの高い後にのみである。 SLAMソリューションからしばしば引き起こされる増分的再構成手法は、即時フィードバックを提供するが、私たちが必要とする注文外キャプチャには対応できない。 グローバルな整合性を提供する放射場捕捉のための最初の即時フィードバックソリューションを提供する。 まず、視覚的位置認識モデルと可視性グラフを再利用し、高連結なキーフレームを見つける効率的な方法を提供し、順序付きシーケンスにおいても品質を向上させる。 これらのステップが、GPU最適化と慎重なガウス的プリミティブ配置とともに、我々の挑戦的なラディアンスフィールド再構築ケースにおいて、高速な局所的再構築を実現する方法を示している。 次に、可視性グラフを用いた新しいクラスタベースの手法を導入し、逐次入力を必要としない効率的なループクロージャを提供する。 最後に、我々の状況において大きなシーンを扱うために、効率を損なうことなく大規模環境に拡張できるプログレッシブな階層を導入する。 以上の結果から,複数のデータセットの視覚的品質に優れた3DGS再構成を,最大で数千の入力画像で実現できることが示唆された。

関連論文リスト

• On-the-fly Reconstruction for Large-Scale Novel View Synthesis from Unposed Images [48.8544345503807]
  撮影直後にカメラのポーズと3DGSの訓練を行うためのオンザフライ方式を提案する。 本手法は,順序付き写真シーケンスと大規模シーンの高密度かつ広帯域なキャプチャを処理できる。
  論文  参考訳（メタデータ） (2025-06-05T20:10:18Z)
• 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)
• StreamGS: Online Generalizable Gaussian Splatting Reconstruction for Unposed Image Streams [32.91936079359693]
  本稿では,非ポーズ画像ストリームのための3DGS再構成手法であるStreamGSを提案する。 StreamGSは、画像ストリームを3Dガウスストリームに変換する。 多様なデータセットの実験では、StreamGSは最適化ベースのアプローチと同等の品質を実現しているが、150倍高速であることが示された。
  論文  参考訳（メタデータ） (2025-03-08T14:35:39Z)
• DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes [81.56206845824572]
  新規ビュー合成(NVS)アプローチは、広大なシーン再構築において重要な役割を担っている。 大規模な環境下では、復元の質が悪くなる場合が少なくない。 本稿では,スパース・ビュー・ワイド・シーンのための効率的なガウス再構成のための分散フレームワークであるDGTRを提案する。
  論文  参考訳（メタデータ） (2024-11-19T07:51:44Z)
• LM-Gaussian: Boost Sparse-view 3D Gaussian Splatting with Large Model Priors [34.91966359570867]
  スパースビューの再構築は本質的に不適切であり、制約を受けていない。 本稿では,限られた画像から高品質な再構成を生成できるLM-Gaussianを紹介する。 提案手法は,従来の3DGS法と比較してデータ取得要求を大幅に削減する。
  論文  参考訳（メタデータ） (2024-09-05T12:09:02Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Splatter Image: Ultra-Fast Single-View 3D Reconstruction [67.96212093828179]
  Splatter ImageはGaussian Splattingをベースにしており、複数の画像から3Dシーンを高速かつ高品質に再現することができる。 テスト時に38FPSでフィードフォワードで再構成を行うニューラルネットワークを学習する。 いくつかの総合、実、マルチカテゴリ、大規模ベンチマークデータセットにおいて、トレーニング中にPSNR、LPIPS、その他のメトリクスでより良い結果を得る。
  論文  参考訳（メタデータ） (2023-12-20T16:14:58Z)
• 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。