論文の概要: Plenoptic Condensation: A Novel Approach to Generalized Scene Reconstruction
- arxiv url: http://arxiv.org/abs/2607.18151v1
- Date: Mon, 20 Jul 2026 16:50:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.712192
- Title: Plenoptic Condensation: A Novel Approach to Generalized Scene Reconstruction
- Title（参考訳）: Plenoptic Condensation: Generalized Scene Reconstructionの新しいアプローチ
- Abstract要約: Plenoptic Condensation (PCon) と呼ばれる新しい汎用シーン再構成(GSR)手法を提案する。
我々は、消費者向けのスマートフォンカメラやドローンで捉えた、ワイルドなPCon再構成をいくつか紹介する。
Damaged Fiat"と呼ばれるケースでは、PConは2つの最先端(SOTA)GSR(NeRO)とRT-Splatting(RT-Splatting)とをベンチマークする。
- 参考スコア（独自算出の注目度）: 1.5049442691806052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a novel Generalized Scene Reconstruction (GSR) approach called Plenoptic Condensation (PCon). PCon uses a multi-stage reconstruction pipeline, initially converting images into "soupy" scene elements with low (representational) power, then adaptively condensing the "soup" into "structured" elements of higher power capable of efficiently representing, for example, sharp edges and smooth reflective surfaces. PCon scene models called Reality Models (Relms) enable spatially varying representational power, which is essential for high-fidelity rendering, measurement, and scene understanding. We showcase several in-the-wild PCon reconstructions captured with consumer phone cameras and drones. In one case called "Damaged Fiat", PCon is benchmarked against two state-of-the-art (SOTA) GSR methods: NeRO and RT-Splatting. Referring to Figure 1 below, PCon reconstructs the car hood more than twice as accurately as the SOTA methods. But more importantly, the local damage profile error for PCon is 35 um (0.035 mm), whereas the two other SOTA methods are essentially unable to measure the damage at all. Our project website is available at https://quidient.github.io/pcon-2026.html.
- Abstract（参考訳）: Plenoptic Condensation (PCon) と呼ばれる新しいGSR(Generalized Scene Reconstruction)アプローチを提案する。
PConはマルチステージ再構築パイプラインを使用し、最初はイメージを低(表現力)のシーン要素に変換し、その後「ソープ」を高出力の「構造化」要素に適応的に凝縮し、例えばシャープエッジや滑らかな反射面を効率的に表現する。
現実モデル(Relms)と呼ばれるPConシーンモデルは、高忠実度レンダリング、測定、シーン理解に不可欠な空間的に異なる表現力を実現する。
我々は、消費者向けのスマートフォンカメラやドローンで捉えた、ワイルドなPCon再構成をいくつか紹介する。
Damaged Fiat"と呼ばれるケースでは、PConは2つの最先端(SOTA)GSR(NeRO)とRT-Splatting(RT-Splatting)とをベンチマークする。
下の図1を参照すると、PConはSOTAの手法の2倍以上の精度で車のボンネットを再構築する。
しかし、PConの局所的な損傷プロファイル誤差は35馬長 (0.035 mm) であるのに対し、他の2つのSOTA法は本質的には損傷を計測できない。
プロジェクトのWebサイトはhttps://quidient.github.io/pcon-2026.htmlで公開されている。
関連論文リスト
- Mapping License Plate Recoverability Under Extreme Viewing Angles for Oppor-tunistic Urban Sensing [40.12543056558646]
都市環境にはATM、ボディウーン、CCTV、ダッシュボードカメラなど、特定の目的のために作られた多くのイメージングセンサーが含まれている。
AIベースの復元の最近の進歩は、過度に劣化した画像からでも、使い勝手の良い情報を復元することができる。
本稿では,この境界値の定量化のためのタスク非依存手法であるリカバリ可能性マップを紹介する。
論文 参考訳（メタデータ） (2026-04-26T17:28:01Z) - NOVA3R: Non-pixel-aligned Visual Transformer for Amodal 3D Reconstruction [99.52487968452198]
NOVA3Rは、フィードフォワード方式で、未提示画像の集合から非画素アラインな3D再構成に有効なアプローチである。
重なり合う領域における重複構造の少ない物理的に可算な幾何学を生成する。
復元精度と完全性の観点から、最先端の手法よりも優れています。
論文 参考訳（メタデータ） (2026-03-04T15:36:25Z) - SAIL-Recon: Large SfM by Augmenting Scene Regression with Localization [33.31942454376888]
大規模SfMのためのフィードフォワード変換器SAIL-Reconを紹介する。
提案手法はまず,アンカー画像のサブセットからニューラルシーン表現を計算する。
そして、回帰ネットワークを微調整して、このニューラルシーン表現に条件付けられた全ての入力画像を再構成する。
論文 参考訳（メタデータ） (2025-08-25T12:38:26Z) - RCR: Robust Crowd Reconstruction with Upright Space from a Single Large-scene Image [55.77397543011443]
本稿では,1枚の大シーン画像から空間的に一貫した数百の人間のポーズと形状復元に焦点を当てた。
まず,HVIP(Human-Scene Virtual Interaction Point)という概念を提案し,複雑な3次元人物位置を2次元画素位置に変換する。
次に、RCR(Robust Crowd Reconstruction)に拡張し、異なるカメラFoV上で一貫した再構築と安定な一般化を実現する。
論文 参考訳（メタデータ） (2024-11-09T16:49:59Z) - SCube: Instant Large-Scale Scene Reconstruction using VoxSplats [55.383993296042526]
SCubeは画像の粗い集合から大規模3次元シーン(幾何学、外観、意味論)を再構成する新しい手法である。
提案手法は,高解像度のスパース・ボクセル・足場上に支持された3次元ガウスの組である,新しい表現VoxSplatを用いて再構成シーンを符号化する。
論文 参考訳（メタデータ） (2024-10-26T00:52:46Z) - Gen3DSR: Generalizable 3D Scene Reconstruction via Divide and Conquer from a Single View [5.222115919729418]
シングルビュー3D再構成は現在、2つの主要な視点からアプローチされている。
分割・分散戦略に従うハイブリッド手法を提案する。
我々は,合成シーンと実世界のシーンの両方において,我々のアプローチの再構築性能を実証する。
論文 参考訳（メタデータ） (2024-04-04T12:58:46Z) - 3D Reconstruction with Generalizable Neural Fields using Scene Priors [71.37871576124789]
シーンプライオリティ(NFP)を取り入れたトレーニング一般化型ニューラルフィールドを提案する。
NFPネットワークは、任意のシングルビューRGB-D画像を符号付き距離と放射値にマッピングする。
融合モジュールを外した体積空間内の個々のフレームをマージすることにより、完全なシーンを再構築することができる。
論文 参考訳（メタデータ） (2023-09-26T18:01:02Z) - PERF: Performant, Explicit Radiance Fields [1.933681537640272]
放射場に基づく画像に基づく3次元再構成手法を提案する。
体積再構成の問題は非線形最小二乗問題として定式化され、ニューラルネットワークを使わずに明示的に解かれる。
論文 参考訳（メタデータ） (2021-12-10T15:29:00Z) - Total Scale: Face-to-Body Detail Reconstruction from Sparse RGBD Sensors [52.38220261632204]
PIFuをベースとした再建術では, 顔面の平坦化が頻発する。
再建した顔のディテールの質を高めるために,2段階のPIFu表現を提案する。
顔の鮮明な細部と身体形状の変形におけるアプローチの有効性を実験的に検証した。
論文 参考訳（メタデータ） (2021-12-03T18:46:49Z) - Rational Polynomial Camera Model Warping for Deep Learning Based
Satellite Multi-View Stereo Matching [8.681774354147466]
本研究では,大規模かつ広範囲な地球表面再構成のための深層学習ベースの衛星MVS (SatMVS) フレームワークを提案する。
また、TLC SatMVSデータセットと呼ばれる5195120$5120画像からなる大規模な衛星画像も導入した。
論文 参考訳（メタデータ） (2021-09-23T03:22:52Z) - Deep Multi Depth Panoramas for View Synthesis [70.9125433400375]
本稿では,複数のRGBD$alpha$panoramasからなる新しいシーン表現であるMultiple Depth Panorama(MDP)を提案する。
MDPは従来の3Dシーン表現よりもコンパクトであり、高品質で効率的な新しいビューレンダリングを可能にする。
論文 参考訳（メタデータ） (2020-08-04T20:29:15Z)
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。