論文の概要: HiCo-GS: Hierarchical Context Aggregation and Geometric Consistency for Octree Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2608.14136v1
• Date: Fri, 14 Aug 2026 09:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.342632
• Title: HiCo-GS: Hierarchical Context Aggregation and Geometric Consistency for Octree Gaussian Splatting
• Title（参考訳）: HiCo-GS:Octree Gaussian Splattingのための階層的コンテキスト集約と幾何学的一貫性
• Abstract要約: オクタリーをベースとしたアンカー・スプラッティングは、都市規模の新規なビュー・シンセサイザーの表現として現れている。 2つの相補的なモジュールを持つ高忠実度再構成フレームワークであるHiCo-GSを提案する。 Mill19、UrbanScene3D、MatrixCity、China-Pagodaの実験は、HiCo-GSが最先端の品質と実質的にクリーンな幾何学を達成することを示した。
• 参考スコア（独自算出の注目度）: 12.554367987726245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Octree-based anchor Gaussian Splatting has emerged as a scalable representation for city-scale novel view synthesis, where multi-level anchors adaptively capture scene content from coarse building structures to fine architectural details. However, we identify a fundamental limitation in existing methods: cross-level feature isolation, where each level's anchor features are optimized independently with no inter-level communication, causing color drift on building facades and over-smoothing in textured regions. We present HiCo-GS, a high-fidelity reconstruction framework with two complementary modules. Cross-Level Context Aggregation (CLCA) enables bidirectional hierarchical prior injection by leveraging the octree's spatial containment structure to aggregate per-level context vectors into parent-self-child triplets, fused via a lightweight MLP with residual connection. Coarse-level structural priors flow down to inform fine-level anchors, while fine-level detail statistics feed back to prevent over-smoothing, at negligible computational overhead. Depth-Normal Geometric Consistency (DNGC) regularization enforces agreement between rendered normals and depth-derived normals through an alpha-weighted consistency loss, complemented by edge-aware smoothness losses with progressive warmup that exploit the strong planar priors ubiquitous in urban geometry to suppress floating artifacts. We further introduce the China-Pagoda dataset comprising 8 ancient Chinese pagodas with over 1,200 images each, featuring dense ornamental carvings, curved multi-layer eaves, and repetitive fine-grained textures. Extensive experiments on Mill19, UrbanScene3D, MatrixCity, and China-Pagoda demonstrate that HiCo-GS achieves state-of-the-art rendering quality and substantially cleaner geometry across real-world and synthetic urban benchmarks.Code: https://github.com/WZ-CS/HiCo-GS.
• Abstract（参考訳）: オクタリーをベースとしたアンカー・ガウシアン・スプラッティングは都市規模の新規ビュー合成のスケーラブルな表現として現れており、多層アンカーは粗い建物構造から細かな建築の細部までシーンコンテンツを適応的にキャプチャする。 しかし, 従来の手法では, 各階層のアンカー特徴をレベル間通信なしで独立に最適化し, 建物ファサードにカラードリフトを生じさせ, テクスチャ化された地域での過度なスムース化を実現する。 2つの相補的なモジュールを持つ高忠実度再構成フレームワークであるHiCo-GSを提案する。 CLCA(Cross-Level Context Aggregation)は、オクツリーの空間包摂構造を利用して、親子三つ子にレベルごとのコンテキストベクトルを集約し、残りの接続を持つ軽量MLPを介して融合することにより、双方向の階層的事前注入を可能にする。 粗いレベルの構造的前提が流れ落ちて、細かいレベルのアンカーを知らせる一方で、細かいレベルでの詳細な統計は、過度なスムーシングを防ぐために、無視できる計算オーバーヘッドを抑える。 Depth-Normal Geometric Consistency (DNGC) の規則化は、アルファ重み付けされた一貫性損失を通じて、レンダリングされた正規値と深さ由来の正規値との合意を強制する。 さらに,中国古来の8基の仏塔と1200体以上の像からなる中国・パゴダのデータセットについて紹介し,密集した装飾彫刻,湾曲した多層軒,反復的な微粒なテクスチャを特徴とする。 Mill19、UrbanScene3D、MatrixCity、China-Pagodaの大規模な実験は、HiCo-GSが最先端のレンダリング品質を達成し、実際の都市ベンチマークと合成都市ベンチマークでかなりクリーンな幾何を実現していることを示している。

関連論文リスト

• MSVS-VAE: Multi-Scale Anchored VecSet for High-Fidelity 3D Reconstruction [39.69838180175452]
  我々は,この忠実度ギャップをコンパクトさを犠牲にすることなく閉鎖する階層的集合ベースVAEであるMSVS-VAEを提案する。 我々のキーとなる考え方は、階層的な点シャッフルアップサンプリングにより、固定されたVecSet潜伏剤を徐々に密度化し、微細な幾何学モデリングのための空間容量を増大させることである。 生成ベンチマーク、ABO、およびその内部ベンチマークに関する大規模な実験は、MSVS-VAEが、以前のセットベースおよびボクセルベースのVAEよりも一貫して優れており、以前のセットベースメソッドよりも約10倍高速なデコードを提供し、ボクセルベースの約10倍のコンパクト性を提供することを示した。
  論文  参考訳（メタデータ） (2026-07-27T13:45:22Z)
• Unfolding 3D Gaussian Splatting via Iterative Gaussian Synopsis [48.743921535513635]
  イテレーティブ・ガウス・シンプシス(Iterative Gaussian Synopsis)は、トップダウンの「展開」スキームを通じてコンパクトでプログレッシブなレンダリングを行うための新しいフレームワークである。 提案手法は3DGSモデルから始まり,適応的かつ学習可能なマスクベースプルーニング機構を用いて,粗いLODを反復的に導出する。 この組み合わせはコンパクトで表現力のある特徴表現を生み出し、冗長性を最小化し、効率よく、レベル固有の適応をサポートするように設計されている。
  論文  参考訳（メタデータ） (2026-04-13T16:28:35Z)
• LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
  アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。 本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。 実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
  論文  参考訳（メタデータ） (2026-03-30T13:39:35Z)
• LoGeR: Long-Context Geometric Reconstruction with Hybrid Memory [97.14005794889134]
  提案するLoGeRは,高密度な3次元再構成を,後最適化なしで極めて長いシーケンスに拡張する新しいアーキテクチャである。 LoGeRはビデオストリームをチャンクで処理し、高忠実度なチャンク内推論に強力な双方向の事前処理を活用する。 このメモリアーキテクチャにより、LoGeRは128フレームのシーケンスでトレーニングでき、推論中に数千フレームまで一般化できる。
  論文  参考訳（メタデータ） (2026-03-03T18:55:37Z)
• GSM-GS: Geometry-Constrained Single and Multi-view Gaussian Splatting for Surface Reconstruction [16.96307929629197]
  ガウス点雲の非構造的かつ不規則な性質は 精度の回復に困難をもたらす GSM-GS: 単視点適応部分領域重み付け制約と多視点空間構造改善を統合した相乗的最適化フレームワークを提案する。 提案手法は,レンダリング品質と幾何学的再構成の両立を実現している。
  論文  参考訳（メタデータ） (2026-02-13T10:26:32Z)
• SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
  我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。 本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
  論文  参考訳（メタデータ） (2025-11-21T16:32:01Z)
• CAGE: Continuity-Aware edGE Network Unlocks Robust Floorplan Reconstruction [24.09888364478496]
  我々は,点-雲密度マップから直接ベクトルフロアプランを再構築する堅牢なフレームワークであるCAGEを提案する。 CAGEは最先端のパフォーマンスを達成し、F1スコアは99.1%(部屋)、91.7%(コーナー)、89.3%(角度)である。
  論文  参考訳（メタデータ） (2025-09-18T22:10:37Z)
• SplatCo: Structure-View Collaborative Gaussian Splatting for Detail-Preserving Rendering of Large-Scale Unbounded Scenes [12.017295711484625]
  複雑な屋外環境の高忠実性レンダリングのための構造ビュー協調型ガウススプレイティングフレームワークであるSplatCoを提案する。 SplatCoは1-2dBのPSNR改善と0.1～0.2のSSIM向上により、最先端の手法よりも常に高い再現品質を達成する。
  論文  参考訳（メタデータ） (2025-05-23T14:27:12Z)
• Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
  本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。 我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
  論文  参考訳（メタデータ） (2024-09-29T22:20:32Z)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)

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。