論文の概要: SpotlessGS: Relightable 3D Gaussian Splatting under Dynamic Illumination for Robotic Perception

• arxiv url: http://arxiv.org/abs/2608.14713v1
• Date: Tue, 11 Aug 2026 17:35:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.045784
• Title: SpotlessGS: Relightable 3D Gaussian Splatting under Dynamic Illumination for Robotic Perception
• Title（参考訳）: SpotlessGS:ロボット知覚のための動的照明下での3Dガウススプレイティング
• Abstract要約: 我々はDark Gaussian Splattingをより正確でフレキシブルな3D再構成フレームワークに拡張する。 球面高調波に基づく低周波照明モデルを導入し,空間的に異なる残差と周囲の照明効果を捉える。 合成および実世界のデータセットに対する実験により,従来の手法よりもレンダリング品質と量的性能を向上しつつ,照明アーチファクトを効果的に軽減できることが示されている。
• 参考スコア（独自算出の注目度）: 20.515607443256073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robots operating in dark or poorly lit environments rely on onboard lights, which often produce uneven illumination that degrades downstream perception tasks. Prior approaches based on 2D image enhancement lack reliable supervision and fail to preserve multi-view geometric consistency. To address these limitations, we extend Dark Gaussian Splatting (DarkGS) toward a more accurate and flexible relightable 3D reconstruction framework. First, we eliminate the need for explicit light parameter calibration by jointly optimizing lighting parameters within the Gaussian Splatting framework. Second, we introduce a low-frequency illumination model based on spherical harmonics (SH) to capture spatially varying residual and ambient lighting effects. Third, we incorporate an MLP-based Bidirectional Reflectance Distribution Function (BRDF) to model non-Lambertian reflectance. Experiments on synthetic and real-world datasets demonstrate that our method effectively mitigates illumination artifacts while improving rendering quality and quantitative performance over prior approaches. We further validate its benefits for robotic perception through a downstream task.
• Abstract（参考訳）: 暗い環境や照明の弱い環境で動くロボットは、オンボードライトに依存しており、しばしば下流の知覚タスクを劣化させる不均一な照明を発生させる。 従来の2次元画像強調に基づくアプローチでは、信頼性に欠け、幾何的整合性の維持に失敗する。 これらの制約に対処するため、我々はDark Gaussian Splatting (DarkGS) をより正確でフレキシブルな3D再構成フレームワークに拡張する。 まず,ガウス散乱フレームワーク内の光パラメータを最適化することにより,光パラメータの明確な校正の必要性を解消する。 第2に、空間的に異なる残光および周囲の照明効果を捉えるために、球面調和(SH)に基づく低周波照明モデルを導入する。 第三に、MLPに基づく双方向反射分布関数(BRDF)を組み込んで、非ランベルト反射率をモデル化する。 合成および実世界のデータセットに対する実験により,従来の手法よりもレンダリング品質と量的性能を向上しつつ,照明アーチファクトを効果的に軽減できることが示されている。 下流タスクによるロボット知覚のメリットをさらに検証する。

関連論文リスト

• FLARE-BO: Fused Luminance and Adaptive Retinex Enhancement via Bayesian Optimisation for Low-Light Robotic Vision [3.490087692799367]
  本稿では, ガンマ補正, LIMEスタイルの照明正規化, クロミナンス・デノナイジング, 両側フィルタリング, NLMデノナイジング, グレイワールド自動ホワイトバランス, 適応ポストスムーシングにまたがる8つのパラメータを共同で最適化するフレームワークであるFLARE-BOを提案する。 その結果、提案手法は、このデータセットを用いて特に訓練されていない既存の手法よりも大幅に改善された。
  論文  参考訳（メタデータ） (2026-04-23T21:51:22Z)
• LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
  光ハーモニー3D(LightHarmony3D)について述べる。 繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。 3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-03-31T03:26:30Z)
• Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
  多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。 本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
  論文  参考訳（メタデータ） (2026-02-20T16:20:50Z)
• SplatBright: Generalizable Low-Light Scene Reconstruction from Sparse Views via Physically-Guided Gaussian Enhancement [26.905118897488077]
  SplatBrightは、スパースsRGB入力からのジョイントローライト拡張と再構成のための最初の一般化可能な3Dガウスフレームワークである。 我々のキーとなる考え方は、物理的に誘導された照明モデリングと幾何学的外観の疎結合を統合して、一貫した低照度再構成を行うことである。 SplatBright は2D と 3D の両方の手法と比較して、目立たない低照度シーンに優れた新規ビュー合成、クロスビュー一貫性、そしてより良い一般化を実現している。
  論文  参考訳（メタデータ） (2025-12-21T09:06:16Z)
• 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)
• Moving Light Adaptive Colonoscopy Reconstruction via Illumination-Attenuation-Aware 3D Gaussian Splatting [35.37461816543526]
  3D Gaussian Splatting (3DGS) は, 大腸内視鏡におけるリアルタイム視線合成の重要技術として出現している。 しかし、バニラ3DGSは静止照明を仮定し、観測された外観は視角のみに依存する。 このミスマッチは、ほとんどの3DGS法に、カメラと組織の間に、構造に違反するガウスの塊を導入するよう強制する。 大腸内視鏡に適した改良型3DGSフレームワークであるColIAGSを提案する。
  論文  参考訳（メタデータ） (2025-10-21T15:44:23Z)
• ROSGS: Relightable Outdoor Scenes With Gaussian Splatting [33.2992160880414]
  ROSGSは,ガウシアン・スプラッティング表現を用いて,光沢のある屋外シーンを再構築するための2段階パイプラインである。 ROSGSは、屋外のシーンをリライトする際の最先端性能を実現し、より優れたリライト精度とレンダリング効率を実現する能力を強調した。
  論文  参考訳（メタデータ） (2025-09-14T13:58:58Z)
• Generalizable and Relightable Gaussian Splatting for Human Novel View Synthesis [49.67420486373202]
  GRGSは、多彩な照明条件下での高忠実なヒューマン・ノベル・ビュー・シンセサイザーのための一般的な3Dガウスのフレームワークである。 我々は, 精密深度および表面の正常度を予測するために, 合成依存データに基づいて学習した照明対応幾何微細化(LGR)モジュールを提案する。
  論文  参考訳（メタデータ） (2025-05-27T17:59:47Z)
• LL-Gaussian: Low-Light Scene Reconstruction and Enhancement via Gaussian Splatting for Novel View Synthesis [17.470869402542533]
  低照度シーンにおける新しいビュー合成(NVS)は、劣化した入力のために重要な課題である。 低照度sRGB画像からの3次元再構成と拡張のための新しいフレームワークであるLL-Gaussianを提案する。 最先端のNeRFベースの手法と比較して、LL-Gaussianは最大2000倍高速な推論を実現し、トレーニング時間を2%に短縮する。
  論文  参考訳（メタデータ） (2025-04-14T15:39:31Z)
• D3DR: Lighting-Aware Object Insertion in Gaussian Splatting [48.80431740983095]
  D3DRと呼ばれる3DGS並列化オブジェクトを3DGSシーンに挿入する手法を提案する。 我々は、現実世界のデータに基づいて訓練された拡散モデルの進歩を活用し、正しいシーンライティングを暗黙的に理解する。 提案手法を既存手法と比較することにより,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-09T19:48:00Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)

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。