論文の概要: SPVC: Structured and Panoptic Video Fixing for Cross-Dataset Driving Scene Rendering
- arxiv url: http://arxiv.org/abs/2608.17420v1
- Date: Tue, 18 Aug 2026 06:42:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.233019
- Title: SPVC: Structured and Panoptic Video Fixing for Cross-Dataset Driving Scene Rendering
- Title（参考訳）: SPVC: クロスデータセット駆動シーンレンダリングのための構造化およびパノプティクスビデオ固定
- Abstract要約: クロスデータセット駆動シーンレンダリングのための構造化および一眼レフビデオ固定フレームワークであるSPVCを紹介する。
ビデオの固定は、モデルは独立したフレームではなく、運転シーケンスで動作することを意味する。
クロスデータセットの修正は、単一の共有ネットワークがトレーニングされ、複数の駆動データセットに適用されることを意味する。
- 参考スコア（独自算出の注目度）: 19.293305483158623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Driving scene reconstruction and rendering, especially with 3D Gaussian Splatting, has become an important component of autonomous driving simulation. However, rendered views often degrade under extrapolated ego trajectories and scene edits, producing blurry structures, temporal flicker, and foreground-background misalignment. Existing refinement methods are commonly designed for a specific setting, such as image-level novel-view repair or object-editing correction. In this paper, we introduce SPVC, a structured and panoptic video fixing framework for cross-dataset driving scene rendering. The name summarizes four design principles. (1) Structured fixing denotes the use of explicit spatial conditions, including camera pose, 3D bounding boxes, and HD maps, to guide the repair process and reduce uncontrolled hallucination. (2) Panoptic fixing refers to correcting both background rendering artifacts, such as distorted roads, buildings, and lanes, and foreground vehicle artifacts introduced by scene editing, such as inconsistent object appearance. (3) Video fixing means that the model operates on driving sequences rather than isolated frames, allowing temporal cues to be used during artifact correction. (4) Cross-dataset fixing means that a single shared network is trained and applied across multiple driving datasets, reducing the need for dataset-specific or scene-specific fixers. Concretely, we construct paired degraded-clean training data by simulating under-constrained 3DGS rendering and foreground vehicle insertion artifacts, and train a two-stage controllable video diffusion model that first addresses video-level appearance and then refines scene layout with structured controls.
- Abstract（参考訳）: シーンの再構築とレンダリング、特に3Dガウススプラッティングは、自律走行シミュレーションの重要な構成要素となっている。
しかし、レンダリングされたビューは、外挿されたエゴの軌跡やシーンの編集の下で劣化し、ぼやけた構造、時間的なフリック、前景の裏面のミスアライメントを生み出した。
既存の精細化法は、画像レベルのノベルビューの修復やオブジェクト編集の修正など、特定の設定のために一般的に設計されている。
本稿では,クロスデータセット駆動シーンレンダリングのための構造化および一眼レフビデオ固定フレームワークであるSPVCを紹介する。
名称は4つの設計原則をまとめたものである。
1) カメラポーズ,3Dバウンディングボックス,HDマップなどの空間的条件を用いて, 修復過程をガイドし, 無制御幻覚の低減を図る。
2) パノプティカル・フィクスメントとは, 変形した道路, 建物, 車線などの背景加工品と, 不整形物体の外観などのシーン編集によって導入された前景車両の工芸品の両方を補正することを指す。
(3)ビデオの固定は、分離されたフレームではなく、駆動シーケンスでモデルが動作し、アーティファクト修正時に時間的手がかりが使用できることを意味する。
(4) クロスデータセットの修正は、単一の共有ネットワークがトレーニングされ、複数の駆動データセットに適用されることを意味する。
具体的には、制約下3DGSレンダリングと前景車両挿入アーティファクトをシミュレートし、2段階制御可能なビデオ拡散モデルをトレーニングし、まずビデオレベルの外観に対処し、次に構造化された制御でシーンレイアウトを洗練する。
関連論文リスト
- FixAnything: 3D-Consistent Rendering Refinement via Video Generative Priors [46.96412859785915]
幅広いレンダリングアーティファクトを修正するためのモデルであるFixAnythingを紹介します。
これは、事前訓練されたビデオ生成モデルを再利用し、暗黙のマルチビュープリミティブを最小限の変更で活用することで実現している。
私たちの重要な洞察は、騒々しくレンダリングされたシーケンスでさえ、カメラの動きと粗いシーン構造を保ち、クリーンアップをビデオからビデオへの翻訳として定式化できるということです。
論文 参考訳（メタデータ） (2026-08-24T17:51:33Z) - RealityBridge: Bridging Editable 3D Gaussian Splatting Driving Simulations and Real-World Videos [40.2251078105003]
本稿では3DGS駆動ビデオの編集のための構造保存・アセット対応のSim-to-Realフレームワークを提案する。
RealityBridgeは、レンダリングビデオ、前景マスク、エッジマップ、セマンティックマスクを含むマルチモーダルコントロールと、軽量なGateNetを使用する。
実験により、RealityBridgeは、アーティファクトの除去、照明、長時間の時間的一貫性において、既存の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2026-06-15T06:33:13Z) - Physics-Aware 3D Gaussian Editing for Driving Scene Generation [19.443845441293647]
RoVESは物理を意識した3Dガウス編集システムである。
シングルイメージ駆動の道路形状の挿入を可能にし、4-DOF半車両動力学的モデルで編集された道路形状を結合する。
ポーズ編集によって動的車両を編集し、フレームごとのポーズを補正し、動的に一貫性のある垂直変位とピッチ応答を近似する。
論文 参考訳（メタデータ） (2026-05-25T02:57:23Z) - VGGT-Edit: Feed-forward Native 3D Scene Editing with Residual Field Prediction [59.303842406260124]
VGGT-Editはテキスト条件のネイティブ3Dシーン編集のためのフィードフォワードフレームワークである。
本研究では,奥行き同期テキストインジェクションを導入し,意味的指導をバックボーンの空間的ポーズと整合させる。
VGGT-Editは2Dリフトベースラインを大幅に上回り、よりシャープなオブジェクトの詳細、より強力なマルチビュー一貫性、ほぼインスタントな推論速度を生み出している。
論文 参考訳（メタデータ） (2026-05-14T17:59:04Z) - TRACE: High-Fidelity 3D Scene Editing via Tangible Reconstruction and Geometry-Aligned Contextual Video Masking [38.40189748889072]
メッシュ誘導3DGS編集フレームワークは、自動化された高忠実なシーン変換を実現する。
ビデオ拡散を明示的な3次元幾何学で固定することにより、TRACEはきめ細かい部分レベルのマニピュラを可能にする。
論文 参考訳（メタデータ） (2026-04-01T17:51:00Z) - SceneExpander: Expanding 3D Scenes with Free-Form Inserted Views [69.08965991211704]
ユーザ中心のワークフローにおける3Dシーンの拡大について検討する。
固定シーンにおける単純なオブジェクト編集やスタイル転送とは異なり、挿入されたビューは元の再構築と3Dミスアライメントされることが多い。
パラメトリックフィードフォワード3D再構成モデルにテスト時間適応を適用したSceneExpanderを提案する。
論文 参考訳（メタデータ） (2026-03-28T02:04:48Z) - HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles [63.88996084630768]
制御可能な運転シーン生成は、現実的でスケーラブルな自律運転シミュレーションに不可欠である。
シーンを編集可能なガウス版とメッシュとして再構築する統合フレームワークであるHorizonForgeを紹介した。
実験により、ガウス・メシュ表現は代替の3次元表現よりもかなり高い忠実性をもたらすことが示された。
論文 参考訳（メタデータ） (2026-02-24T20:03:47Z) - EAG-PT: Emission-Aware Gaussians and Path Tracing for Indoor Scene Reconstruction and Editing [63.64931392651423]
本研究では,2次元ガウス表現を統一した物理的光輸送を目的としたElectron-Aware Gaussian and Path Tracing (EAG-PT)を提案する。
本設計は,(1)再構成メッシュを回避する統一的なシーン表現と移動に適した幾何プロキシとして2次元ガウシアンを用い,(2)さらなるシーン編集のために再構成中の許容成分と非許容成分を明示的に分離し,(3)効率的なシングルバウンス最適化と高品質なマルチバウンスパストレースを用いて最終レンダリングから再構成を分離する,という3つのコアに基づいている。
論文 参考訳（メタデータ） (2026-01-30T15:16:37Z) - XYZCylinder: Feedforward Reconstruction for Driving Scenes Based on A Unified Cylinder Lifting Method [27.213339282749885]
統一シリンダリフト法に基づくフィードフォワードモデルである textbfXYZ Cylinder を提案する。
具体的には、視点に依存した空間対応の学習を避けるため、UCCM(Unified Cylinder Camera Modeling)戦略を設計する。
再構成精度を向上させるために,新たに設計されたCylinder Plane Feature Groupに基づく複数の専用モジュールを用いたハイブリッド表現を提案する。
論文 参考訳（メタデータ） (2025-10-09T06:58:03Z) - GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。
既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。
ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
論文 参考訳（メタデータ） (2025-06-30T15:24:27Z) - SceneCrafter: Controllable Multi-View Driving Scene Editing [44.91248700043744]
SceneCrafterは、複数のカメラから撮影した運転シーンをリアルな3D一貫性で操作するための汎用的なエディタである。
SceneCrafterは、既存のベースラインと比較して最先端のリアリズム、制御性、3D一貫性、シーン編集品質を実現している。
論文 参考訳（メタデータ） (2025-06-24T10:23:47Z) - Reconstructing Interactive 3D Scenes by Panoptic Mapping and CAD Model
Alignments [81.38641691636847]
エンボディエージェントの観点から,シーン再構築の問題を再考する。
rgb-dデータストリームを用いてインタラクティブシーンを再構築する。
この再構成されたシーンは、密集したパノプティカルマップのオブジェクトメッシュを、部分ベースのCADモデルに置き換える。
論文 参考訳（メタデータ） (2021-03-30T05:56:58Z)
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。