論文の概要: SplatGuide: Geometric Priors from 3D Gaussians for Pose-Free Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2608.16863v1
• Date: Mon, 17 Aug 2026 17:45:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.828357
• Title: SplatGuide: Geometric Priors from 3D Gaussians for Pose-Free Novel View Synthesis
• Title（参考訳）: SplatGuide: Pose-free Novel View Synthesisのための3次元ガウスからの幾何学的先駆者
• Abstract要約: SplatGuideは、3つの補完的な役割で1つの3DGSシーンを再利用する。 ガウス単位のソースビューインデックスは、ターゲットビュー投票マップに描画される。 レコンストラクショントークンは、クロスアテンションを介して特徴レベルのガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 42.23526579547921
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating photorealistic novel views from unposed images requires both 3D geometric understanding and the ability to synthesize unseen content. A natural strategy combines feed-forward 3DGS reconstruction with multi-view diffusion. Yet prior pipelines extract at most one signal from the reconstruction, either pixel rendering or learned features, while none exploits per-Gaussian visibility for occlusion-aware reference selection. This *information disconnect* leaves renderable geometry, visibility cues, and learned features unused. SplatGuide closes this disconnect by reusing a single 3DGS scene across three complementary roles. Rendered images provide pixel-aligned geometric conditioning. Per-Gaussian source-view indices are rendered into a target-view voting map for occlusion-aware reference selection. Reconstruction tokens supply feature-level guidance via cross-attention. All three signals derive from the same reconstruction forward pass. Across RealEstate10K, DL3DV, Tanks-and-Temples, and Mip-NeRF 360, SplatGuide achieves state-of-the-art pose-free novel view synthesis. On RealEstate10K, with a moderate number of input views, it surpasses the ground-truth-pose baseline.
• Abstract（参考訳）: 非ポーズ画像からフォトリアリスティックな新しいビューを生成するには、3次元幾何学的理解と、目に見えないコンテンツを合成する能力の両方が必要である。 自然な戦略は、フィードフォワード3DGS再構成と多視点拡散を組み合わせたものである。 しかし、以前のパイプラインは、ピクセルレンダリングまたは学習機能のいずれかの再構成から少なくとも1つのシグナルを抽出するが、排他的参照選択のためにガウス単位の可視性を利用するものはない。 この*情報の切り離し*はレンダリング可能な幾何学、可視性、そして未使用の機能を残します。 SplatGuideは、3つの補完的な役割で1つの3DGSシーンを再利用することで、この切断を解消する。 レンダリングされた画像は、ピクセル整列幾何学的条件付けを提供する。 ガウス単位のソースビューインデックスは、オクルージョン対応参照選択のためのターゲットビュー投票マップに描画される。 レコンストラクショントークンは、クロスアテンションを介して特徴レベルのガイダンスを提供する。 3つの信号はすべて、同じ再建前方通過から導かれる。 RealEstate10K, DL3DV, Tanks-and-Temples, Mip-NeRF 360の他、SplatGuideは最先端のポーズレスノベルビュー合成を実現している。 RealEstate10Kでは、適度な数のインプットビューを持つが、基幹の基線を超えている。

関連論文リスト

• InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis [49.87457834078904]
  InfiniSplatはフィードフォワードのシングルイメージ3DGSフレームワークで、ピクセル整列表現から表面整列表現へ移行する。 InfiniSplatは、単一イメージのフィードフォワードベースラインと比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-08-03T16:17:39Z)
• CATSplat: Context-Aware Transformer with Spatial Guidance for Generalizable 3D Gaussian Splatting from A Single-View Image [18.445769892372528]
  単視点3Dシーン再構成のための新しい一般化可能なトランスフォーマーベースのフレームワークであるCATSplatを紹介する。 シーン固有のコンテキストの詳細をテキスト埋め込みからクロスアテンションに組み込むことで、コンテキスト認識の再構築の道を開く。 大規模データセットを用いた実験により, 単視点3次元シーン再構成におけるCATSplatの最先端性能が実証された。
  論文  参考訳（メタデータ） (2024-12-17T13:32:04Z)
• NovelGS: Consistent Novel-view Denoising via Large Gaussian Reconstruction Model [57.92709692193132]
  NovelGSは、スパースビュー画像が与えられたガウススプラッティングの拡散モデルである。 我々は3Dガウスを生成するためにトランスフォーマーネットワークを経由する新しい視点を利用する。
  論文  参考訳（メタデータ） (2024-11-25T07:57:17Z)
• Epipolar-Free 3D Gaussian Splatting for Generalizable Novel View Synthesis [25.924727931514735]
  一般化可能な3DGSは、フィードフォワード推論方式でスパースビュー観測から新しいシーンを再構築することができる。 既存の手法は、複雑な現実世界のシーンでは信頼できないエピポーラ先行に大きく依存している。 一般化可能な新規ビュー合成のための効率的なフィードフォワード3DGSモデルであるeFreeSplatを提案する。
  論文  参考訳（メタデータ） (2024-10-30T08:51:29Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
  フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。 提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:52Z)
• Vision Transformer for NeRF-Based View Synthesis from a Single Input Image [49.956005709863355]
  本稿では,グローバルな特徴と局所的な特徴を両立させ,表現力のある3D表現を実現することを提案する。 新たなビューを合成するために,学習した3次元表現に条件付き多層パーセプトロン(MLP)ネットワークを訓練し,ボリュームレンダリングを行う。 提案手法は,1つの入力画像のみから新しいビューを描画し,複数のオブジェクトカテゴリを1つのモデルで一般化することができる。
  論文  参考訳（メタデータ） (2022-07-12T17:52:04Z)

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。