論文の概要: Splat-based 3D Scene Reconstruction with Extreme Motion-blur
- arxiv url: http://arxiv.org/abs/2607.16926v1
- Date: Sat, 18 Jul 2026 18:41:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.303169
- Title: Splat-based 3D Scene Reconstruction with Extreme Motion-blur
- Title（参考訳）: エクストリーム・モーション・ブルーを用いた3次元立体再構成
- Abstract要約: 薄暗い照明下では、RGBフレームは露光時間が長いため、しばしば激しい動きのぼけに悩まされる。
本稿では,RGB-D入力からの3Dシーン再構成手法を提案する。
このアプローチは、ロボット工学、自律ナビゲーション、拡張現実における3Dマッピングアプリケーションに幅広い意味を持つ。
- 参考スコア（独自算出の注目度）: 20.81830991798879
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a splat-based 3D scene reconstruction method from RGB-D input that effectively handles extreme motion blur, a frequent challenge in low-light environments. Under dim illumination, RGB frames often suffer from severe motion blur due to extended exposure times, causing traditional camera pose estimation methods, such as COLMAP, to fail. This results in inaccurate camera pose and blurry color input, compromising the quality of 3D reconstructions. Although recent 3D reconstruction techniques like Neural Radiance Fields and Gaussian Splatting have demonstrated impressive results, they rely on accurate camera trajectory estimation, which becomes challenging under fast motion or poor lighting conditions. Furthermore, rapid camera movement and the limited field of view of depth sensors reduce point cloud overlap, limiting the effectiveness of pose estimation with the ICP algorithm. To address these issues, we introduce a method that combines camera pose estimation and image deblurring using a Gaussian Splatting framework, leveraging both 3D Gaussian splats and depth inputs for enhanced scene representation. Our method first aligns consecutive RGB-D frames through optical flow and ICP, then refines camera poses and 3D geometry by adjusting Gaussian positions for optimal depth alignment. To handle motion blur, we model camera movement during exposure and deblur images by comparing the input with a series of sharp, rendered frames. Experiments on a new RGB-D dataset with extreme motion blur show that our method outperforms existing approaches, enabling high-quality reconstructions even in challenging conditions. This approach has broad implications for 3D mapping applications in robotics, autonomous navigation, and augmented reality. Both code and dataset are publicly available on https://github.com/KAIST-VCLAB/gs-extreme-motion-blur.
- Abstract（参考訳）: 本稿では,RGB-D入力からのスプラペットを用いた3次元シーン再構築手法を提案する。
薄暗い照明下では、RGBフレームは露光時間の延長によって激しい動きのぼかしに悩まされ、COLMAPのような従来のカメラポーズ推定手法が失敗する。
これにより、不正確なカメラポーズとぼやけたカラー入力が得られ、3D再構成の品質が向上する。
ニューラルレイディアンス・フィールドやガウシアン・スプラッティングといった最近の3次元再構成技術は目覚ましい結果を示しているが、それらは正確なカメラ軌道推定に依存しており、速い動きや暗い照明条件下では困難になる。
さらに、高速カメラの動きと奥行きセンサーの視野の制限により、点雲の重なりが減少し、ICPアルゴリズムによるポーズ推定の有効性が制限される。
これらの問題に対処するために,3次元ガウススプラットと深度入力を併用したガウススプラッティングフレームワークを用いて,カメラのポーズ推定と画像劣化を組み合わせ,シーン表現を向上させる手法を提案する。
提案手法はまず,光学フローとICPによる連続RGB-Dフレームのアライメントを行い,ガウス位置を最適深度アライメントに調整することにより,カメラポーズと3次元形状を改良する。
動きのぼかしに対処するために、一連のシャープな描画フレームと入力を比較して、露出と劣化画像中のカメラの動きをモデル化する。
極端に動きのぼかしのある新しいRGB-Dデータセットの実験により、我々の手法は既存の手法よりも優れており、挑戦的な状況でも高品質な再構築が可能であることが示された。
このアプローチは、ロボット工学、自律ナビゲーション、拡張現実における3Dマッピングアプリケーションに幅広い意味を持つ。
コードとデータセットはhttps://github.com/KAIST-VCLAB/gs-extreme-motion-blur.comで公開されている。
関連論文リスト
- Unblur-SLAM: Dense Neural SLAM for Blurry Inputs [68.94602568657164]
Un-SLAMは、ぼやけた画像入力から鋭い3D再構成を行うための新しいパイプラインである。
動作のぼやけとデフォーカスのぼやけの両方が存在する場合の最先端性能を実証する。
いくつかの実世界のデータセットの実験では、ポーズ推定とシャープな再構成結果の両方において一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-03-26T14:29:47Z) - BSGS: Bi-stage 3D Gaussian Splatting for Camera Motion Deblurring [32.5099324617965]
Bi-Stage 3D Gaussian Splattingは、モーションブルー画像から3Dシーンを再構築する新しいフレームワークである。
両段階を最適化するためのサブフレーム勾配集約戦略を提案する。
提案手法の有効性を検証し,その有効性を示す実験を行った。
論文 参考訳（メタデータ） (2025-10-14T13:26:56Z) - DeblurSplat: SfM-free 3D Gaussian Splatting with Event Camera for Robust Deblurring [50.21760380168387]
DeSplat と呼ばれるイベントカメラによる3次元ガウス分割法を初めて提案する。
我々は高密度ステレオモジュール(DUSt3R)の事前訓練機能を利用して、ぼやけた画像から正確な初期点雲を直接取得する。
論文 参考訳（メタデータ） (2025-09-23T11:21:54Z) - PCR-GS: COLMAP-Free 3D Gaussian Splatting via Pose Co-Regularizations [102.0476991174456]
COLMAPのない3DGSは、未ポーズの画像やビデオから高品質な3Dシーンを再構築する際、顕著なパフォーマンスのために注目を集めている。
PCR-GSはCOLMAPフリーな3DGS技術であり,カメラポーズによる3Dシーンモデリングとカメラポーズ推定を実現する。
論文 参考訳（メタデータ） (2025-07-18T13:09:33Z) - Dark-EvGS: Event Camera as an Eye for Radiance Field in the Dark [51.68144172958247]
そこで我々はDark-EvGSを提案する。Dark-EvGSは、任意の視点から明るいフレームを復元できる3D GSフレームワークである。
提案手法は,低照度条件下での放射場再構成を克服し,既存の手法よりも優れた結果が得られる。
論文 参考訳（メタデータ） (2025-07-16T05:54:33Z) - PhotonSplat: 3D Scene Reconstruction and Colorization from SPAD Sensors [17.636234096112446]
本研究では,SPADバイナリ画像から直接3Dシーンを再構成するフレームワークであるPhotonSplatを紹介する。
提案手法では,新しい3次元空間フィルタリング技術を用いて,レンダリングのノイズを低減する。
動的シーン表現を組み込むように拡張し、移動物体のシーンに適したようにした。
論文 参考訳（メタデータ） (2025-06-26T18:04:28Z) - High-Speed Dynamic 3D Imaging with Sensor Fusion Splatting [15.309934457166394]
高速なダイナミック3Dシーンのキャプチャと再構成は、コンピュータグラフィックス、ビジョン、ロボット工学、空気力学、進化生物学などの学際分野に多くの応用がある。
従来のRGBカメラはフレームレートが低く、露出時間が限られ、ベースラインが狭い。
本稿では,RGB,深度,イベントカメラを組み合わせて高速でシーンを撮影・再構成するガウススプラッティングを用いた新しいセンサ融合手法を提案する。
論文 参考訳（メタデータ） (2025-02-07T03:17:31Z) - Deblur4DGS: 4D Gaussian Splatting from Blurry Monocular Video [55.704264233274294]
ぼやけたモノクロ映像から高品質な4Dモデルを再構成するためのDeblur4DGSを提案する。
我々は露光時間内の連続的動的表現を露光時間推定に変換する。
Deblur4DGSは、新規なビュー合成以外にも、複数の視点からぼやけたビデオを改善するために応用できる。
論文 参考訳（メタデータ） (2024-12-09T12:02:11Z) - MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAM [15.752529196306648]
本稿では、重度動きブルレッド入力を処理し、画像ブルリングを強化するために、濃密な視覚ディブルSLAMパイプライン(MBA-SLAM)を提案する。
提案手法では,効率的な運動ぼかし対応トラッカーをニューラルネットワークとガウススプラッティングベースのマッパーに統合する。
実験では,MBA-SLAMがカメラのローカライゼーションとマップ再構成の両方において,従来の最先端手法を上回ることを示した。
論文 参考訳（メタデータ） (2024-11-13T01:38:06Z) - Gaussian Splatting on the Move: Blur and Rolling Shutter Compensation for Natural Camera Motion [25.54868552979793]
本稿では,カメラの動きに適応し,手持ち映像データを用いた高品質なシーン再構成を実現する手法を提案する。
合成データと実データの両方を用いて、既存の手法よりもカメラの動きを軽減できる性能を示した。
論文 参考訳（メタデータ） (2024-03-20T06:19:41Z) - Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized
Photography [54.36608424943729]
2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。
我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
論文 参考訳（メタデータ） (2022-12-22T18:54:34Z)
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。