論文の概要: OccamView: Object-Conditioned View Selection for Frame-Budgeted Active 3D Gaussian Reconstruction
- arxiv url: http://arxiv.org/abs/2608.16499v1
- Date: Mon, 17 Aug 2026 12:38:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.684269
- Title: OccamView: Object-Conditioned View Selection for Frame-Budgeted Active 3D Gaussian Reconstruction
- Title（参考訳）: OccamView: フレーム予算のアクティブ3Dガウス再構成のためのオブジェクト指向ビュー選択
- Abstract要約: OccamViewは、フレーム予算のアクティブな3Dガウス再構成のためのオブジェクト条件のビュー選択フレームワークである。
対象条件の再ランク付けを幾何学的に競合する候補に制限するGeo-Floor機構を導入する。
統一されたフレーム予算プロトコルの下でのReplicaとMatterport3Dの実験は、OccamViewが一貫してコンプリーションを削減し、5つのフレーム予算でコンプリーション比を改善することを示している。
- 参考スコア（独自算出の注目度）: 31.50146089752062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active 3D Gaussian reconstruction fundamentally relies on selecting informative next-best views under limited sensing budgets. Existing active 3DGS methods primarily plan viewpoints according to geometric information gain, treating object-induced hidden regions in the same manner as general unexplored space. Under tight frame budgets, such geometry-driven strategies may prioritize global scene coverage while leaving partially observed objects incompletely reconstructed. To address this limitation, we propose OccamView, an object-conditioned view-selection framework for frame-budgeted active 3D Gaussian reconstruction. Rather than predicting unseen object geometry or performing shape completion, OccamView maintains an online object memory from open-vocabulary detections grounded in measured RGB-D observations and represents unresolved local occupancy around detected objects as conservative hidden-region proxies. Candidate viewpoints are then evaluated using an occlusion-aware proxy-coverage score. Furthermore, we introduce a Geo-Floor mechanism that restricts object-conditioned re-ranking to geometrically competitive candidates, allowing object-conditioned cues to guide complementary observations while preserving the geometry-driven exploration behavior of the underlying planner. Experiments on Replica and Matterport3D under a unified frame-budgeted protocol show that OccamView consistently reduces Completion and improves Completion Ratio across five frame budgets, with particularly pronounced gains under limited frame budgets. These results demonstrate that lightweight object-conditioned cues effectively complement geometry-driven active view planning.
- Abstract（参考訳）: アクティブな3Dガウスの再構築は、基本的に、限られたセンシング予算の下で、情報に富む次世代の視点を選択することに依存している。
既存の3DGS法は主に幾何学的情報ゲインに基づいて視点を計画し、一般の未探索空間と同様の方法で物体によって隠蔽された領域を処理している。
厳密なフレーム予算の下では、このような幾何駆動戦略は、部分的に観察された対象が完全に再構成されていないまま、グローバルなシーンカバレッジを優先する可能性がある。
この制限に対処するために、フレーム予算のアクティブ3Dガウス再構成のためのオブジェクト条件のビュー選択フレームワークであるOccamViewを提案する。
OccamViewは、目に見えない物体の形状を予測したり、形状を完了させたりするのではなく、測定されたRGB-D観測に基づくオープンボキャブラリ検出からオンラインオブジェクトメモリを維持し、検出された物体の周囲の未解決局所占有を、保守的な隠蔽領域プロキシとして表現する。
候補視点は、オクルージョン対応プロキシカバレッジスコアを用いて評価される。
さらに,ジオフロア機構を導入して,対象条件の再ランク付けを幾何的に競合する候補に制限し,対象条件付きキューが基本プランナーの幾何駆動探索動作を保ちながら相補的な観察をガイドできるようにする。
統一されたフレーム予算プロトコルの下でのReplicaとMatterport3Dの実験では、OccamViewはコンプリートを一貫して削減し、5つのフレーム予算でコンプリート比を改善し、特にフレーム予算では顕著な利得を示している。
これらの結果は、軽量なオブジェクト条件付きキューが、幾何駆動のアクティブなビュープランニングを効果的に補完することを示した。
関連論文リスト
- SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。
既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。
SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
論文 参考訳（メタデータ） (2026-09-07T14:47:54Z) - G$^2$TAM: Geometry Grounded Track Anything Model [49.05553245076823]
本稿では,RGB画像やビデオのみを用いて,3次元のインスタンス追跡を高速化するための統一的なフレームワークを提案する。
G$2$TAMは空間的に整列した幾何学的表現を暗黙記憶として使用し、安定したインスタンス識別とフレームとビュー間のローカライゼーションを保証する。
中心となるのは、視覚的およびテキスト的プロンプトを共有幾何学空間に統合し、エンドツーエンドの空間再構成とインスタンス一貫性マスク予測を可能にするクロスモーダル空間エンコーダである。
論文 参考訳（メタデータ） (2026-07-04T09:32:13Z) - MAGE: View-guided Point Cloud Completion with Efficient Modality Alignment and Adaptive Geometry Enhancement [19.44604826924269]
ビューベースのポイントクラウド補完は、部分的なポイントクラウドから完全な3D形状を復元することを目的としており、単一のビューイメージでガイドされている。
既存のアプローチは、弱いモダリティアライメントと限られた自己幾何学的拡張のために、しばしば限られたパフォーマンスに悩まされる。
本稿では,効率的なモダリティアライメントと適応的幾何拡張を統合した統合幾何認識フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-30T05:25:29Z) - GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。
GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。
GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
論文 参考訳（メタデータ） (2026-05-19T12:08:09Z) - GSMem: 3D Gaussian Splatting as Persistent Spatial Memory for Zero-Shot Embodied Exploration and Reasoning [9.203056739430865]
GSMemは3Dガウススプラッティング(3DGS)上に構築されたゼロショット型探査・推論フレームワーク
連続幾何と密接な外観を明示的にパラメータ化することにより、3DGSは持続的な空間記憶として機能し、エージェントにtextitSpatial Recollection を付与する。
本稿では,VLMによるセマンティックスコアリングと3DGSに基づくカバレッジ目標を組み合わせ,タスク認識探索と幾何学的カバレッジのバランスをとるハイブリッド探索戦略を提案する。
論文 参考訳（メタデータ） (2026-03-19T16:55:54Z) - Affostruction: 3D Affordance Grounding with Generative Reconstruction [50.586896835836164]
Affostructionは、部分的な観察から完全な幾何学を再構築する生成フレームワークであり、その全形状に余裕がある。
空き地での19.1 aIoUと3次元再構築のための32.67 IoUを達成し、完全な形状の正確な空き地予測を可能にする。
論文 参考訳（メタデータ） (2026-01-14T06:33:12Z) - Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。
近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。
本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
論文 参考訳（メタデータ） (2025-05-27T09:05:28Z) - BoxDreamer: Dreaming Box Corners for Generalizable Object Pose Estimation [81.24160191975781]
本稿では、スパースビュー設定における課題に対処するために、オブジェクトポーズ推定のための汎用RGBベースのアプローチを提案する。
これらの制約を克服するために、オブジェクトのポーズの中間表現としてオブジェクト境界ボックスのコーナーポイントを導入する。
3Dオブジェクトコーナーはスパース入力ビューから確実に復元でき、対象ビューの2Dコーナーポイントは、新しい参照ベースポイントデータセットによって推定される。
論文 参考訳（メタデータ） (2025-04-10T17:58:35Z) - Gaussian Object Carver: Object-Compositional Gaussian Splatting with surfaces completion [16.379647695019308]
3Dシーンの再構築はコンピュータビジョンの基本的な問題である。
本稿では,Gaussian Object Carver (GOC)を紹介した。
GOCは、高品質で柔軟な再構築を実現するために、モノクラー幾何学の先行と多視点幾何学の正規化に富んだ3Dガウススプラッティング(GS)を利用する。
論文 参考訳（メタデータ） (2024-12-03T01:34:39Z)
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。