論文の概要: FRA-NBV: A Fast and Reflectivity-Aware Next-Best-View Strategy
- arxiv url: http://arxiv.org/abs/2608.01950v1
- Date: Mon, 03 Aug 2026 09:21:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.466596
- Title: FRA-NBV: A Fast and Reflectivity-Aware Next-Best-View Strategy
- Title（参考訳）: FRA-NBV: 高速で反射率を考慮した次世代ビュー戦略
- Authors: G. F. Preziosa, E. Setti, M. Faroni, A. M. Zanchettin, P. Rocco,
- Abstract要約: 反射面は、深度センサーによる自律的な3D再構成において、欠落または信頼できない測定を引き起こす。
本稿では,反射誘起深度損失に明示的に対処するFRA-NBV(Fast Reflectivity-Aware Next-Best-View)戦略を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous 3D reconstruction with depth sensors is strongly affected by reflective surfaces, which cause missing or unreliable measurements and reduce the effectiveness of conventional Next-Best-View (NBV) strategies. This limitation is particularly critical in industrial applications involving reflective components and low-cost, low-resolution depth sensing, where robustness to sensing failures is essential. This paper proposes a Fast Reflectivity-Aware Next-Best-View (FRA-NBV) strategy that explicitly addresses reflection-induced depth loss without relying on prior object models or assumptions on material reflectance, making it suitable for a wide range of industrial configurations. Reflective regions are identified from the spatial distribution of missing depth measurements and localized in three-dimensional space using an online ellipsoid-based representation of the object estimate. A recovery strategy then selects additional poses that modify the sensor's angle of incidence to improve the likelihood of reconstructing the affected regions. Experiments on objects with different geometric and reflective complexity demonstrate that the approach significantly improves reconstruction coverage under realistic industrial conditions.
- Abstract（参考訳）: 深度センサによる自律的な3D再構成は反射面の影響を強く受けており、従来のNext-Best-View(NBV)戦略の有効性を低下させる。
この制限は、リフレクティブコンポーネントや低コストで低解像度の深度センシングを含む産業アプリケーションにおいて特に重要であり、検知障害に対する堅牢性は不可欠である。
本稿では, 既往の物体モデルや物質反射率の仮定に頼ることなく, 反射誘起深度損失に明示的に対処するFRA-NBV(Fast Reflectivity-Aware Next-Best-View)戦略を提案する。
空間分布から反射領域を同定し,オブジェクト推定のオンライン楕円型表現を用いて3次元空間で局所化する。
次に、回復戦略は、センサーの入射角を変更する追加のポーズを選択して、影響を受ける領域を再構築する可能性を改善する。
幾何学的および反射的複雑さの異なる物体に対する実験により、現実的な工業条件下での再構成のカバレッジが大幅に向上することが示された。
関連論文リスト
- GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds [7.586613779032423]
本稿では,頑健なリフレクションアーティファクト除去を目的とした新しい統合フレームワークを提案する。
最初の段階では、マルチモーダル・ビジョン・ファンデーション・モデルを用いて初期ガラスマスクを製造する。
第2段階では,Reflection-Aware Local-Global Geometric similarity (RE-LGGS)と呼ばれる物理駆動型記述子を提案する。
論文 参考訳（メタデータ） (2026-06-09T08:09:33Z) - PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - Ref-DGS: Reflective Dual Gaussian Splatting [51.77181103979343]
反射的な外観、特に強く、典型的には近接場スペクトル反射は、正確な表面再構成と新しい見方に根本的な課題をもたらす。
本稿では,このトレードオフに対処する反射型二重ガウススプレイティングフレームワークRef-DGSを提案する。
実験により、Ref-DGSは反射シーンにおける最先端のパフォーマンスを達成しつつ、レイベースガウス法よりもかなり高速なトレーニングを行うことが示された。
論文 参考訳（メタデータ） (2026-03-08T14:54:15Z) - SSR-GS: Separating Specular Reflection in Gaussian Splatting for Glossy Surface Reconstruction [7.2438370491008754]
本研究では,光沢表面再構成のための反射モデルフレームワークであるSSR-GSを提案する。
具体的には、直接スペクトル反射を効率的にモデル化するための事前フィルタMip-Cubemapを導入し、間接スペクトル反射を捉えるIndiASGモジュールを提案する。
合成と実世界の両方のデータセットの実験により、SSR-GSは光沢のある表面再構成において最先端の性能を達成することが示された。
論文 参考訳（メタデータ） (2026-03-05T13:24:13Z) - PolGS: Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [68.8705801813427]
PolGSは10分で高速な反射面再構成が可能なポラリメトリック・ガウス・スプレイティングモデルである。
偏光的制約を3DGSフレームワークに組み込むことで、PolGSは分光成分と拡散成分を効果的に分離し、難解な反射材料のための再構成品質を向上する。
論文 参考訳（メタデータ） (2025-09-24T03:09:52Z) - Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。
提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。
そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-08T15:45:08Z) - Self-supervised Monocular Depth Estimation Robust to Reflective Surface Leveraged by Triplet Mining [14.432210570631577]
自己教師付き単眼深度推定(SSMDE)は、単眼画像の高密度深度マップを予測することを目的としている。
反射面はランベルト反射の仮定に反するので、反射面に苦しむ。
画素レベルでの反射領域のピンポイント化にトリプルトマイニングを活用することで,SSMDEの新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2025-02-20T13:59:40Z) - Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。
我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。
野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
論文 参考訳（メタデータ） (2023-11-29T02:31:10Z) - Ref-DVGO: Reflection-Aware Direct Voxel Grid Optimization for an
Improved Quality-Efficiency Trade-Off in Reflective Scene Reconstruction [40.90266517194767]
本稿では,再構築の質を高め,トレーニングとレンダリングを高速化するための暗黙的・明示的なアプローチを提案する。
提案手法は, 競合する手法と比較して, 競合する品質効率のトレードオフを実現する。
論文 参考訳（メタデータ） (2023-08-16T17:40:18Z)
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。