論文の概要: EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams
- arxiv url: http://arxiv.org/abs/2608.08585v1
- Date: Sun, 09 Aug 2026 09:00:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.876275
- Title: EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams
- Title（参考訳）: EvTrajGS: イベントストリームからの高精度で効率的な3Dガウススプレイティング
- Abstract要約: EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
- 参考スコア（独自算出の注目度）: 108.45551580182384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Event cameras, with high temporal resolution, high dynamic range, and asynchronous sensing characteristics, have shown great potential for dense 3D reconstruction. Traditional reconstruction methods based on off-the-shelf pose estimates achieve high efficiency but produce low-fidelity results, as inaccurate pose initialization introduces cumulative reconstruction errors. In contrast, recent SLAM-style methods stabilize joint pose-scene optimization through incremental tracking and mapping, yielding higher reconstruction fidelity at the expense of considerable computational overhead. To address this trade-off, this paper presents EvTrajGS, an accurate and efficient 3D Gaussian Splatting framework for unposed event streams. Our method enables reliable joint pose-scene optimization initialized from coarse pose priors, eliminating the need for computationally expensive SLAM-style pipelines. EvTrajGS parameterizes camera motion as a continuous-time trajectory initialized from discrete camera poses, providing a unified representation for pose refinement. We then aggregate adjacent trajectory states into a temporally coupled pose, promoting temporally consistent pose updates during joint optimization. Additionally, we introduce a loss-reweighted event sampling strategy to adaptively emphasize temporally under-reconstructed intervals. Extensive experiments on both synthetic and real-world datasets demonstrate that EvTrajGS outperforms state-of-the-art methods in terms of both geometric reconstruction quality and pose estimation accuracy, achieving 3.8 dB higher PSNR, 0.1 higher SSIM, and over 40\% lower ATE RMSE while retaining high computational efficiency.
- Abstract（参考訳）: 高時間分解能、高ダイナミックレンジ、非同期センシング特性を備えたイベントカメラは、高密度3次元再構成に大きな可能性を示している。
不正確なポーズの初期化は累積的な再構成誤差をもたらすため、既成のポーズ推定に基づく従来の再構築手法は高い効率を達成するが、低忠実度の結果が得られる。
対照的に、最近のSLAMスタイルの手法は、インクリメンタルな追跡とマッピングによって共同ポーズシーンの最適化を安定化し、かなりの計算オーバーヘッドを犠牲にして、高い再構成忠実度が得られる。
このトレードオフに対処するために,提案するEvTrajGSは,イベントストリームの正確かつ効率的な3Dガウススプラッティングフレームワークである。
提案手法は,粗いポーズ前処理から初期化され,計算コストのかかるSLAMスタイルのパイプラインを不要にすることで,信頼性の高い共同ポーズ・シーン最適化を実現する。
EvTrajGSは、個別のカメラポーズから初期化された連続的な時間軌道としてカメラの動きをパラメータ化し、ポーズ改善のための統一された表現を提供する。
次に,隣接軌跡状態を時間的に結合したポーズに集約し,共同最適化時の時間的に一貫したポーズ更新を促進する。
さらに、時間的に過度に再構成された区間を適応的に強調するために、損失重み付きイベントサンプリング戦略を導入する。
EvTrajGSは幾何再構成の品質と推定精度の両方で最先端の手法より優れており、PSNRが3.8dB、SSIMが0.1、ATE RMSEが40%以上向上し、高い計算効率を維持している。
関連論文リスト
- RMGS-SLAM: Real-time Multi-sensor Gaussian Splatting SLAM [19.6725809458616]
実時間ポーズ推定とマッピングのための密結合型LiDAR-Inertial-Visual 3DGSベースのSLAMフレームワークを提案する。
提案手法は, リアルタイムの効率, ローカライズ精度, レンダリング品質において, 様々な実世界のシーンにまたがる品質を実現する。
論文 参考訳（メタデータ） (2026-04-14T16:36:11Z) - RobustSplat++: Decoupling Densification, Dynamics, and Illumination for In-the-Wild 3DGS [85.90134051583368]
3D Gaussian Splatting (3DGS)は、新しいビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的な物体や照度の影響を受けやすいシーンを正確にモデル化するのに苦労する。
いくつかの重要な設計に基づく堅牢なソリューションであるRobustSplat++を提案する。
論文 参考訳（メタデータ） (2025-12-04T14:05:09Z) - JOGS: Joint Optimization of Pose Estimation and 3D Gaussian Splatting [10.35563602148445]
本稿では,3次元ガウス点とカメラポーズを事前校正入力を必要とせずに協調的に最適化する統合フレームワークを提案する。
我々のアプローチは、3Dガウスパラメータを反復的に洗練し、新しいコ最適化戦略によってカメラのポーズを更新する。
提案手法は,再建品質において既存のCOLMAPフリー技術よりも優れており,標準のCOLMAPベースラインをはるかに上回っている。
論文 参考訳（メタデータ） (2025-10-30T04:00:07Z) - PROFusion: Robust and Accurate Dense Reconstruction via Camera Pose Regression and Optimization [21.23419310544054]
リアルタイムの密集したシーン再構築はロボティクスにとって不可欠である。
現在のRGB-D SLAMシステムは、カメラが大きな視点の変化、速い動き、突然の揺れを経験したときに失敗する。
論文 参考訳（メタデータ） (2025-09-29T03:20:49Z) - Progressive Flow-inspired Unfolding for Spectral Compressive Imaging [11.638690628451647]
符号化開口スナップショット分光画像(CASSI)は、単一の2次元圧縮計測から3次元ハイパースペクトル画像(HSI)を取得する。
近年の深層展開ネットワーク (DUN) はCASSI再建の最先端を達成している。
拡散軌跡と流れの整合性に着想を得て,新しい軌道制御可能な展開フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-15T16:10:50Z) - RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。
既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。
2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
論文 参考訳（メタデータ） (2025-06-03T11:13:48Z) - QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。
レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。
大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
論文 参考訳（メタデータ） (2025-05-08T18:43:26Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - USP-Gaussian: Unifying Spike-based Image Reconstruction, Pose Correction and Gaussian Splatting [45.246178004823534]
スパイクカメラは、0-1ビットストリームを40kHzで撮影する革新的なニューロモルフィックカメラとして、ますます3D再構成タスクに採用されている。
以前のスパイクベースの3D再構成アプローチでは、ケースケースのパイプラインを使うことが多い。
本稿では,スパイクに基づく画像再構成,ポーズ補正,ガウス的スプラッティングをエンドツーエンドのフレームワークに統一する,相乗的最適化フレームワーク textbfUSP-Gaussian を提案する。
論文 参考訳（メタデータ） (2024-11-15T14:15:16Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z)
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。