論文の概要: Gaussian Sculpting: End-to-End Controllable Surface Reconstruction via Field Optimization

• arxiv url: http://arxiv.org/abs/2608.10602v1
• Date: Tue, 11 Aug 2026 07:42:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.951444
• Title: Gaussian Sculpting: End-to-End Controllable Surface Reconstruction via Field Optimization
• Title（参考訳）: Gaussian Sculpting:フィールド最適化による端から端まで制御可能な表面再構成
• Abstract要約: 3D Gaussian Splattingは、最近、印象的な品質でリアルタイムの新規ビュー合成を可能にした。 限定的な視点で正確な曲面を復元することは困難であり、ガウス原始体の固有の不規則性のためである。 本稿では,高品質な表面再構成のためのエンドツーエンドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 22.001328928240053
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has recently enabled real-time novel view synthesis with impressive quality. However, it struggles to recover accurate surfaces under limited viewpoints and due to the inherent irregularity of Gaussian primitives. The resulting geometric errors are notoriously difficult to correct manually. To address these issues, we propose Gaussian Sculpting, a fully differentiable end-to-end framework for high-quality surface reconstruction. Our key insight is to anchor Gaussians onto an evolving differentiable surface, allowing them to guide signed distance field (SDF) optimization instead of extracting the surface only during post-processing. To enable stable gradient isolation during joint optimization, we design a bi-level training strategy in which the outer loop optimizes the geometry represented by the SDF, while the inner loop updates the Gaussians with the geometry fixed. We further impose constraints on Gaussian parameters to ensure consistency with the underlying surface, thereby improving both geometric and appearance fidelity during optimization. In addition, we introduce a multi-resolution subdivision scheme based on octree-like partitioning to preserve fine details while reducing memory consumption. Experiments on object-level scenes demonstrate that our method effectively removes redundant surfaces, recovers missing structures caused by limited viewpoints, and achieves strong reconstruction quality even at relatively low resolutions.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、最近、印象的な品質でリアルタイムのノベルビュー合成を可能にした。 しかし、限られた視点で正確な曲面を復元することは困難であり、ガウス原始体の固有の不規則性のためである。 結果として生じる幾何学的誤りは、手作業で修正することが難しいことで知られている。 これらの問題に対処するために,高品質な表面再構成のための完全微分可能なエンドツーエンドフレームワークであるGaussian Sculptingを提案する。 我々の重要な洞察は、ガウスを進化する微分可能な表面に固定することで、後処理のみで表面を抽出する代わりに、符号付き距離場(SDF)最適化を導出できるようにすることである。 共同最適化における安定な勾配分離を実現するため,外部ループがSDFで表される幾何を最適化し,内部ループがガウスを固定した幾何を更新する2段階のトレーニング戦略を設計する。 さらに、基底面との整合性を確保するためにガウスパラメータに制約を課し、最適化時の幾何学的および外観的忠実性を改善する。 さらに,メモリ消費を抑えながら細部を細部まで保存するオクツリー型分割に基づくマルチレゾリューション分割方式を提案する。 オブジェクトレベルのシーン実験では, 冗長な面を効果的に除去し, 限られた視点による欠落構造を復元し, 比較的低解像度でも高い復元品質が得られることを示した。

関連論文リスト

• SparseSurf: Sparse-View 3D Gaussian Splatting for Surface Reconstruction [26.59203606048875]
  高品質な新しいビューレンダリングを保ちながら、より正確で詳細な表面を再構築する手法であるnetを提案する。 我々の重要な洞察は、レンダリング品質と幾何推定を橋渡しするStereo Geometry-Texture Alignmentを導入することである。 さらに,多視点幾何整合性を実現するPseudo-Feature Enhanced Geometry Consistencyを提案する。
  論文  参考訳（メタデータ） (2025-11-18T16:24:37Z)
• VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
  3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。 ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-13T14:44:50Z)
• OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
  OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。 OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-29T05:43:40Z)
• Gaussian Set Surface Reconstruction through Per-Gaussian Optimization [9.451254271017767]
  3D Gaussian Splatting (3DGS)は、フレキシブルな表現を通して、斬新なビューを効果的に合成するが、シーン幾何学を正確に再構築することができない。 本稿では,ガウス集合表面再構成法(GSSR)を提案する。これは,ガウス集合表面を静止面に沿って均等に分配し,支配的な正規値と表面正規値とを整列させる手法である。 GSSRは画素レベルとガウスレベルの単視正規整合と多視光度整合を組み合わせることで、微細な幾何学的アライメントを強制する。
  論文  参考訳（メタデータ） (2025-07-25T03:31:47Z)
• SolidGS: Consolidating Gaussian Surfel Splatting for Sparse-View Surface Reconstruction [48.228533595941556]
  この問題に対処するために,SolidGSと呼ばれる新しい手法を提案する。 再構成された幾何は多視点では非常に不整合であることがわかった。 幾何学的正規化と単分子正規化の助けを借りて,スパース面の再構成における優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-12-19T21:04:43Z)
• 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)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• GaussianRoom: Improving 3D Gaussian Splatting with SDF Guidance and Monocular Cues for Indoor Scene Reconstruction [5.112375652774415]
  本稿では,SDFと3DGSを統合し,正確な幾何再構成とリアルタイムレンダリングを行う統合最適化フレームワークを提案する。 本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-05-30T03:46:59Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
  ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。 我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。 提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-03-17T20:06:41Z)

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。