論文の概要: FocusGS: Spatial Delta Layers for Local Repair and Deterministic Editing of Trained 3D Gaussian Assets
- arxiv url: http://arxiv.org/abs/2607.28834v1
- Date: Thu, 30 Jul 2026 20:59:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.481256
- Title: FocusGS: Spatial Delta Layers for Local Repair and Deterministic Editing of Trained 3D Gaussian Assets
- Title（参考訳）: FocusGS: 訓練された3次元ガウス集合の局所的修復と決定論的編集のための空間デルタ層
- Abstract要約: 3D Gaussian Splatting (3DGS)は、一度の再構築から、提供可能、検査可能、メンテナンス可能なビジュアルアセットへと進化している。
局所的な修復と決定論的編集を複合空間デルタとして統合するFocusGSを提案する。
- 参考スコア（独自算出の注目度）: 1.6830191160943109
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) is evolving from one-time reconstruction into deliverable, inspectable, and maintainable visual assets. Existing workflows focus on global reconstruction, training-time density control, or open-ended generative editing, leaving trained assets without precise local maintenance. We propose FocusGS, which unifies local repair and deterministic editing as composite spatial deltas. Repair is the purely additive special case: its base-manipulation term is empty, and it adds only local Gaussian bases; deterministic editing uses erase-insert factorization (EIF) to combine old-carrier erasure with new-content insertion. FocusGS addresses spatial gradient starvation: local repair raises target-region PSNR by 7.91 dB over 93 evaluation views. Across all 83 deterministic editing trials, the target ROI improves, with a trial-averaged mean edited ROI PSNR of 21.97 dB and a mean gain of +11.05 dB; across five public editing cases, FocusGS-EIF reaches 33.17 dB Target-mask PSNR and 0.994 Target-delta Correlation, while both text-driven baselines fail to complete the prescribed updates. FocusGS provides a lightweight, verifiable 3DGS maintenance operator.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、一度の再構築から、提供可能、検査可能、メンテナンス可能なビジュアルアセットへと進化している。
既存のワークフローは、グローバルな再構築、トレーニング時間密度制御、あるいはオープンな生成編集に重点を置いており、訓練された資産を正確なローカルメンテナンスなしで残している。
局所的な修復と決定論的編集を複合空間デルタとして統合するFocusGSを提案する。
修復は純粋に付加的な特殊なケースであり、その基本操作項は空で、局所的なガウス基底のみを追加する;決定論的編集は、古いキャリア消去と新しいコンテンツ挿入を組み合わせるために消去不活性因子化(EIF)を使用する。
FocusGSは空間勾配の飢餓に対処する: 局所的な修復は、93以上の評価ビューに対してターゲット領域PSNRを7.91dB上昇させる。
83の決定論的編集試験全体を通じて、ターゲットROIは改善され、平均で21.97dBのROI PSNRと+11.05dBの平均ゲインにより、FocusGS-EIFは33.17dBのターゲットマスクPSNRと0.994のターゲットデルタ相関に達したが、テキスト駆動ベースラインはいずれも所定の更新を完了できなかった。
FocusGSは軽量で検証可能な3DGSメンテナンスオペレータを提供する。
関連論文リスト
- Bend the Basics: Degradation-Aware Deformable Tokenization for All-in-One Image Restoration [72.64498743287601]
オールインワン画像復元は、多様で空間的に一様でない腐敗によって劣化した画像を復元できる単一のモデルを求める。
パイプライン全体にわたる劣化認識をモデル化するフレキシブル・イメージ・トランスフォーマー(FIT)を提案する。
FITは、30.72dBの平均PSNRを5次劣化設定で32.83dBを3次劣化設定で達成し、最近の統一修復法を+0.5$sim$1.1dBで上回った。
論文 参考訳（メタデータ） (2026-08-07T05:44:31Z) - A corrective agentic hybrid RAG and an operations-grounded evaluation for a scientific facility [0.0]
APS-RAG(Advanced Photon Source Retrieval Augmented Generation)を提案する。
検索エンジンは、密度、スパース、知識グラフチャネルをクエリ型適応逆数融合で融合する。
APS-Benchは50問の質問応答(QA)データセットで、監査可能な金の回答を提供する。
論文 参考訳（メタデータ） (2026-07-27T17:01:30Z) - CubifyGS: Object-Centric 3D Gaussian Splatting for Lifelong Dynamic Scene Maintenance [13.452229234193588]
動的メンテナンスをパッシブな再最適化からアクティブな資産管理に移行するオブジェクトレベルのマッピングフレームワークであるCuubifyGSを提案する。
提案手法を新たに構築した高忠実度ダイナミックベンチマークで検証し,CubifyGSがアーティファクトの抑制とメンテナンス効率を向上させることを示す。
論文 参考訳（メタデータ） (2026-06-27T04:00:55Z) - SHERLOC: Structured Diagnostic Localization for Code Repair Agents [33.35079971033214]
SHERLOCは,コンパクトなリポジトリツールと自己回復機能を備えた推論LDMをペアリングする,トレーニング不要のフレームワークである。
SWE-Bench Liteでは84.33%の精度@1、SWE-Bench Verifiedでは81.27%のリコール@1である。
論文 参考訳（メタデータ） (2026-06-23T17:05:50Z) - How Sparsity Allocation Shapes Label-Free Post-Pruning Recoverability [4.9112670395105305]
プレニング後の修復法は部分的に崩壊したスパースモデルを復元できるが、その有効性は上流のプルースアロケーションが残したスパースモデルに依存する。
本稿では, 固定されたアクティベーション統計補修バックエンドにおいて, 空間配置が修復後の回復性にどう影響するかを考察する。
論文 参考訳（メタデータ） (2026-05-21T04:03:24Z) - HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation [50.46910397782266]
ハイパスペクトル画像(HSI)の復元は、ノイズ、ぼかし、分解能損失などの劣化に悩まされるため、信頼性の高い解析に不可欠である。
本稿では,HIR-ALIGNを提案する。HIR-ALIGNは,限られたトレーニング画像と,ターゲット分布と密に一致した合成データとを付加して,ハイパースペクトル画像の復元を促進するための,プラグアンドプレイのターゲット適応型拡張フレームワークである。
論文 参考訳（メタデータ） (2026-05-13T14:14:13Z) - EditRefiner: A Human-Aligned Agentic Framework for Image Editing Refinement [76.76247443244293]
EditRefinerは、編集後の修正を人間のような認識・推論・行動評価ループとして再構成するエージェントフレームワークである。
歪み、診断精度、人間の知覚アライメントにおいて、最先端の手法を一貫して上回る。
論文 参考訳（メタデータ） (2026-05-08T09:05:08Z) - Region-Constrained Group Relative Policy Optimization for Flow-Based Image Editing [2.096755686662369]
本稿では,領域制約付きGRPOポストトレーニングフレームワークであるRC-GRPO-Editingを提案する。
バックグラウンド誘起ニュアンス分散を抑制して、よりクリーンなローカライズされたクレジット割り当てを可能にし、地域命令の順守を改善し、非ターゲットコンテンツを保存する。
CompBenchの実験では、編集領域の命令順守と非ターゲット保存が一貫した改善が見られた。
論文 参考訳（メタデータ） (2026-04-10T14:58:15Z) - RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。
本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。
復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
論文 参考訳（メタデータ） (2025-06-28T08:02:54Z) - Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。
LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。
特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
論文 参考訳（メタデータ） (2024-06-06T16:55:07Z) - Generalizable Person Re-Identification via Self-Supervised Batch Norm
Test-Time Adaption [63.7424680360004]
Batch Norm Test-time Adaption (BNTA)は、BNパラメータを適応的に更新するための自己教師型戦略を適用する、新しいre-idフレームワークである。
BNTAは、推論前にラベル付けされていないターゲットデータ内のドメイン認識情報を探索し、BNによって正規化された特徴分布を変調してターゲットドメインに適応させる。
論文 参考訳（メタデータ） (2022-03-01T18:46:32Z) - Generalized Focal Loss: Learning Qualified and Distributed Bounding
Boxes for Dense Object Detection [85.53263670166304]
一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。
1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。
本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
論文 参考訳（メタデータ） (2020-06-08T07:24:33Z)
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。