論文の概要: Manifold-GS: Certified Hybrid Assets via Varifold-Conservative Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2608.00214v1
- Date: Fri, 31 Jul 2026 18:55:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.550337
- Title: Manifold-GS: Certified Hybrid Assets via Varifold-Conservative Gaussian Splatting
- Title（参考訳）: Manifold-GS:Varifold-Conservative Gaussian Splattingによる認定ハイブリッドアセット
- Abstract要約: ガウスシーンのためのハイブリットアセット層であるManifold-GSを紹介する。
改良された保存性マストランスポート、局所的な実現可能性診断、ソース保存パッチバインディング、保守的な衝突候補を提供する。
- 参考スコア（独自算出の注目度）: 3.8388130961366698
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) gives high-quality novel-view synthesis, but its adaptive radiance primitives are not directly usable as structured assets: opacity is not an additive area measure, refinement can change the induced geometry, and watertight mesh extraction can hallucinate collision surfaces in unobserved regions. We introduce Manifold-GS, a certified hybrid asset layer for Gaussian scenes. The method separates appearance opacity from geometric quadrature mass, represents surface-like Gaussians as a discrete unoriented varifold, and exports only confidence-certified open surface patches while retaining uncertified content as residual splats. It provides refinement-conservative mass transport, local realizability diagnostics, source-preserving patch bindings, and conservative collision candidates. On three DTU scenes, a frozen asset benchmark shows zero patch-defined edit leakage, texture round-trip PSNR of 30.1/35.3/33.7 dB, and lower collision floater area than official 2DGS meshes on all scenes, with large gaps on two scenes. The result is a precision-coverage tradeoff rather than a universal reconstruction claim. External-region annotations, phantom-collision probes, and 5k-face simplification further support the certified asset interpretation, while RGB-only experiments show that local realizability is not sufficient for sparse-view surface identifiability.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は高品質なノベルビュー合成を提供するが、その適応放射率プリミティブは構造化された資産として直接使用することはできない。
ガウスシーンのハイブリッドアセット層であるManifold-GSを紹介する。
この方法は、外観不透明度を幾何学的二次質量から切り離し、表面のようなガウスを離散的無方向性のヴァリフォールドとして表現し、未確認コンテンツを残留スプラットとして保持しながら、信頼性確認された開面パッチのみを輸出する。
改良された保存性マストランスポート、局所的な実現可能性診断、ソース保存パッチバインディング、保守的な衝突候補を提供する。
3つのDTUシーンにおいて、凍結された資産ベンチマークはパッチ定義の編集リークをゼロとし、テクスチャラウンドトリップPSNRは30.1/35.3/33.7 dB、衝突フローター面積は公式の2DGSメッシュよりも低く、2つのシーンに大きなギャップがある。
その結果は、普遍的な再構築請求というよりも、精度の高いカバレッジトレードオフとなる。
外部領域アノテーション,ファントムコリジョンプローブ,および5k面の簡易化は認定資産解釈をさらに支援する一方,RGBのみの実験では,表面の疎視性には局所的な実現性が不十分であることが示されている。
関連論文リスト
- CoMVS-GS: Collaborative Multi-View Stereo and 3D Gaussian Splatting for Surface Reconstruction [4.2932025928748425]
CoMVS-GSは、マルチビューステレオとガウススプラッティングを組み合わせた一般的な表面再構成フレームワークである。
プリミティブを、プレフラットスケールと正規配向を持つ高密度な多視点ステレオポイントから初期化する。
表面抽出のために、CoMVS-GSはデラウネーグラフカットメッシュパイプラインで、切り離された符号付き距離場ボクセル融合を置き換える。
論文 参考訳（メタデータ） (2026-08-19T00:46:19Z) - 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) - Splats in Splats++: Robust and Generalizable 3D Gaussian Splatting Steganography [32.33494908495543]
3D Gaussian Splatting (3DGS) は3D再構成のパラダイムを再定義し、視覚的忠実度と計算効率のバランスを保った。
Splats++は,高容量な3D/4Dコンテンツをネイティブな3DGS表現に直接シームレスに埋め込む,統一的でパイプラインに依存しないステガノグラフィフレームワークである。
論文 参考訳（メタデータ） (2026-04-17T09:13:20Z) - From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians [36.88207476975372]
3Dガウススプラッティングは高速なビュー合成に革命をもたらしたが、その不透明度に基づく定式化は表面抽出を困難にしている。
複雑なシーンの高度に正確な水密メッシュを抽出する方法を示す。
本手法はDTUとタンク・アンド・テンプルに新しい最先端のメッシュを配置し, 同時作業回収型薄型構造物のごく一部で水密メッシュを作製する。
論文 参考訳（メタデータ） (2026-04-08T17:52:39Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - TSPE-GS: Probabilistic Depth Extraction for Semi-Transparent Surface Reconstruction via 3D Gaussian Splatting [15.513430559997701]
3D Gaussian Splattingは、高い速度品質のトレードオフを提供するが、ほとんどのメソッドは1ピクセルあたりの深さを仮定するため、半透明な表面の再構築に苦慮している。
我々は,不透明度と深さの画素単位のマルチモーダル分布をモデル化するために,透過率を均一にサンプリングするTSPE-GSを提案する。
論文 参考訳（メタデータ） (2025-11-13T04:18:59Z) - 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) - HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。
HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
論文 参考訳（メタデータ） (2025-09-29T15:03:31Z) - Accurate and Complete Surface Reconstruction from 3D Gaussians via Direct SDF Learning [5.604709769018076]
3D Gaussian Splatting (3DGS) はフォトリアリスティック・ビュー・シンセサイザーの強力なパラダイムとして登場した。
3DGSパイプラインに直接サインドディスタンスフィールド(Signed Distance Field, SDF)学習を組み込む統合フレームワークであるDiGSを提案する。
DiGSは高い忠実度を維持しつつ,復元精度と完全性を常に向上することを示す。
論文 参考訳（メタデータ） (2025-09-09T08:17:46Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - 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)
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。