論文の概要: Swimm3R: Splatting with Medium-aware SfM for Underwater 3D Reconstruction
- arxiv url: http://arxiv.org/abs/2608.00950v1
- Date: Sun, 02 Aug 2026 03:01:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.033879
- Title: Swimm3R: Splatting with Medium-aware SfM for Underwater 3D Reconstruction
- Title（参考訳）: Swimm3R:中級SfMによる水中3次元再構成
- Abstract要約: 水中3次元再構成における散乱および減衰による故障に対処するために,Swimm3Rおよび水中ベータスプラッティングを提案する。
Swimm3Rは、空気中の幾何学的前駆体をフィードフォワードのバックボーンに蒸留し、物理ヘッドを使用して水中の画像形成パラメータを回帰する。
水中ベータスプラッティングは、安定な水中幾何表現のために、ベータプリミティブと散乱対応幾何勾配でガウススプラッティングを拡張する。
- 参考スコア（独自算出の注目度）: 8.817587811639642
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Swimm3R, a unified framework that combines medium-aware structure-from-motion (SfM) with Underwater Beta Splatting to address scattering- and attenuation-induced failures in underwater 3D reconstruction. Swimm3R distills in-air geometric priors into a feed-forward backbone and uses a physics head to regress underwater image-formation parameters, camera poses, and restored point clouds. Additionally, we introduce Underwater Beta Splatting, which extends Gaussian splatting with Beta primitives and scattering-aware geometric gradients for stable underwater geometry representation. We further establish the Barbados underwater video dataset to demonstrate the effectiveness of our method in challenging underwater environments. On this dataset, Swimm3R robustly recovers underwater scene structure under challenging scattering conditions, yielding coherent seafloor geometry. Using these predicted point clouds, the proposed Underwater Beta Splatting improves average PSNR by $1.47$ dB over WaterSplatting while increasing downstream localization performance by $2.0$ and $2.4$ percentage points in RRA@15 and RTA@15, respectively.
- Abstract（参考訳）: 水中3次元再構成における散乱および減衰による故障に対処するため,中知構造を移動(SfM)と水中ベータスプラッティングを組み合わせた統合フレームワークSwimm3Rを提案する。
Swimm3Rは、水中の画像形成パラメータ、カメラのポーズ、復元された点雲を抑えるために物理ヘッドを使用して、空気中の幾何学的な前駆体をフィードフォワードのバックボーンに蒸留する。
さらに,安定な水中幾何表現のために,ベータプリミティブと散乱を考慮した幾何勾配でガウススプラッティングを拡張した水中ベータスプラッティングを導入する。
さらに,バルバドスの水中ビデオデータセットを構築し,この手法が水中環境に挑戦する際の有効性を示す。
このデータセットでは、Swimm3Rは難解な散乱条件下で水中のシーン構造を頑健に復元し、コヒーレントな海底形状をもたらす。
これらの予測点雲を用いて、提案された水中ベータスプラッティングは、平均PSNRをWaterSplattingよりも1.47$dB改善し、下流のローカライゼーション性能をそれぞれRRA@15とRTA@15で2.0$と2.4$ポイント向上させた。
関連論文リスト
- 3D-USE: From Image-Level to Scene-Level Underwater Enhancement [54.11922584483346]
水中のシーンレベル向上(USE)
強化のための信頼性のあるシーン表現と、強化された3Dデータをペア化せずに一貫した拡張ターゲットを使用する。
水中での実際の実験では、視界と視界の整合性が向上し、復元品質が保たれた。
論文 参考訳（メタデータ） (2026-08-28T07:34:13Z) - AquaFlow: A Monocular Gaussian Splatting SLAM for Underwater Streaming Reconstruction [14.336895166294623]
高速かつ高忠実な水中再構成のためのストリーミング再構成フレームワークであるAquaFlowを提案する。
我々は、ロバストポーズとポイントマップ推定のための大規模水中データに基づく3次元視覚基盤モデルを微調整する。
我々は、構造化された距離条件のニューラルガウスと物理に着想を得た光学モデルを統合する、ストリーミング互換なハイブリッドシーン表現を開発する。
論文 参考訳（メタデータ） (2026-08-24T07:39:07Z) - Wat3R: Underwater 3D Geometry Learning without Annotations [58.91163632674025]
水中環境における3D形状の推定は、光の減衰、散乱、大規模で高品質な3Dアノテーションの欠如による固有の課題を示す。
本稿では,空中から水中へのフィードフォワード3D再構成モデルの適用を目的とした,クロスドメイン半教師付き学習フレームワークWat3Rを提案する。
論文 参考訳（メタデータ） (2026-07-09T17:59:58Z) - Rethinking Conditional Generation for Underwater Salient Object Detection [69.38806804258452]
コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。
DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
論文 参考訳（メタデータ） (2026-07-02T07:48:06Z) - Ocean4D: Generative Underwater 4D Reconstruction via Medium-Aware Video Diffusion [53.39217286144327]
そこで我々は,Ocean4Dという水中4D再構成のための生成フレームワークを提案する。
4D-GCCは、クロスフレームカバレッジを改善した4Dの幾何的整合条件を構築する。
中知ブロックは、潜水拡散過程において暗黙の中知デノイングを行い、水中の外観を安定させる。
論文 参考訳（メタデータ） (2026-06-22T13:10:26Z) - Towards 3D karst underwater scene reconstruction from rotating sonar data [4.98552535993062]
ソナープロファイラから水中カルストコンデュットを再構築するためのパイプラインを提案する。
連続時間SLAM法と新しい2段階深層学習法を組み合わせた表面再構成を行った。
論文 参考訳（メタデータ） (2026-06-18T15:02:00Z) - Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions [52.04969451806431]
正確な色復元が可能なリアルタイム水中画像強調フレームワークを提案する。
提案手法は、7つの評価指標にまたがって最先端の性能を実現する。
多様な環境条件下でUCIQEのスコアを29.7%改善する。
論文 参考訳（メタデータ） (2026-03-17T10:51:00Z) - OceanSplat: Object-aware Gaussian Splatting with Trinocular View Consistency for Underwater Scene Reconstruction [4.325717217536016]
OceanSplatは、水中のシーンで3D幾何学を表現するための新しい3Dガウススプレイティングベースのアプローチである。
そこで,OceanSplatは,散乱媒体におけるシーン復元と復元の両方において,既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2026-01-08T14:38:39Z) - Plenodium: UnderWater 3D Scene Reconstruction with Plenoptic Medium Representation [31.47797579690604]
Plenodiumは、オブジェクトと参加メディアの両方を共同でモデリングできる3D表現フレームワークである。
ビュー依存モデリングにのみ依存する既存の媒体表現とは対照的に,本手法では指向性情報と位置情報の両方を包含する。
実世界の水中データセットを用いた実験により,本手法は3次元再構成において大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2025-05-27T14:37:58Z) - RUSplatting: Robust 3D Gaussian Splatting for Sparse-View Underwater Scene Reconstruction [9.070464075411472]
本稿では,水中深部レンダリングの視覚的品質と精度を両立させる,ガウススプラッティングに基づくフレームワークを提案する。
水中減衰の物理によって導かれるRGBチャネルの分離学習を提案し,より正確な色復元を実現する。
新たに収集されたデータセットであるSubmerged3Dは、特に深海環境においてキャプチャされる。
論文 参考訳（メタデータ） (2025-05-21T16:42:15Z) - UW-SDF: Exploiting Hybrid Geometric Priors for Neural SDF Reconstruction from Underwater Multi-view Monocular Images [63.32490897641344]
ニューラルSDFに基づく多視点水中画像から対象物を再構成するフレームワークを提案する。
再建過程を最適化するためのハイブリッドな幾何学的先行手法を導入し、神経SDF再建の質と効率を著しく向上させる。
論文 参考訳（メタデータ） (2024-10-10T16:33:56Z) - Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。
これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。
TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-20T18:03:17Z)
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。