論文の概要: GS-Voxel: Fitting-Free Structured Latents for Large-Scale 3DGS Generation
- arxiv url: http://arxiv.org/abs/2608.17988v1
- Date: Tue, 18 Aug 2026 16:33:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.406752
- Title: GS-Voxel: Fitting-Free Structured Latents for Large-Scale 3DGS Generation
- Title（参考訳）: GS-Voxel:大規模3DGS生成用無適合構造潜水剤
- Abstract要約: 適合性のない構造化潜在フレームワークであるGS-Voxelについて述べるとともに,大規模空中3次元ガウスシーン生成のための評価を行う。
GS-Voxelは、互換性のある3DGS再構成を、追加のシーンごとの最適化なしでスパースアクティブなボクセルに決定的に変換する。
GS-Voxel は, 空域3DGS 再構成において, 占有するvoxel の数が増加するにつれて, 遅延容量が増大すると考えられる。
- 参考スコア（独自算出の注目度）: 30.554940310599886
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many scalable latent 3D generators operate on structured tensors, whereas pre-optimized 3D Gaussian Splatting (3DGS) reconstructions are unordered, spatially irregular, and vary widely in primitive count. We present GS-Voxel, a fitting-free structured latent framework, and evaluate it for large-scale aerial 3D Gaussian scene generation. GS-Voxel deterministically converts a compatible pre-optimized 3DGS reconstruction into sparse active voxels without additional per-scene optimization, retaining the sub-voxel positions and rendering attributes of the selected primitives. A GS-specific factorized VAE then separately encodes voxel geometry and local Gaussian attributes into sparse 3D latents whose size grows with the number of occupied voxels rather than being limited by a fixed scene-wide primitive count. We train image-conditioned flow models in the GS-Voxel latent space to generate aerial 3DGS scenes. A key application enabled by GS-Voxel is large-area scene generation: overlap-aware tiled inference extends synthesis beyond a single training crop conditioned on satellite-view images. Our results show that GS-Voxel provides structured latents for pre-optimized aerial 3DGS reconstructions, with latent capacity that grows with the number of occupied voxels.
- Abstract（参考訳）: 多くのスケーラブルな3Dジェネレータは、構造化テンソル上で動作するが、事前最適化された3Dガウススプラッティング(3DGS)は、非秩序で、空間的に不規則であり、プリミティブ数で広く異なる。
適合性のない構造化潜在フレームワークであるGS-Voxelについて述べるとともに,大規模空中3次元ガウスシーン生成のための評価を行う。
GS-Voxelは、互換性のある最適化された3DGS再構成を、追加のシーンごとの最適化なしにスパースアクティブなボクセルに変換し、選択されたプリミティブのサブボクセル位置とレンダリング属性を保持する。
GS固有の因子化VAEは、固定されたシーンワイドプリミティブ数によって制限されるのではなく、占有されたボクセルの数とともに大きさが大きくなるスパース3Dラテントに、ボクセル幾何学と局所ガウス的属性を別々にエンコードする。
我々は,3DGSシーンを生成するため,GS-Voxelラテント空間における画像条件付きフローモデルを訓練する。
重なり認識されたタイル付き推論は、衛星視画像上で条件付けられた単一の訓練作物を超えて合成を拡張します。
以上の結果から,GS-Voxel は空域3DGS 再構成のための構造的潜伏剤であり,占有するvoxel の数とともに潜伏容量が増大することが示された。
関連論文リスト
- FLUX3D: High-Fidelity 3D Gaussian Generation with Diffusion-Aligned Sparse Representation [48.928051741750124]
本稿では,画像から3DGSまでのスケーラブルなフレームワークを提案し,生成時の表現学習と相互モーダルアライメントを向上する。
FLUX3Dは外観の忠実さを大幅に改善し、高品質な3DGSの資産を生み出すのに最先端(SOTA)の手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-06-23T17:52:21Z) - GETA-3DGS: Automatic Joint Structured Pruning and Quantization for 3D Gaussian Splatting [0.0]
GETA-3DGS は、3DGS のためのエンドツーエンドのジョイント構造化プルーニングおよび量子化フレームワークである。
ポストホックなアンカー表現ではなく、生のガウス的プリミティブで直接動作する。
バニラ3DGSのストレージ容量は5倍で、シーンごとの閾値はない。
論文 参考訳（メタデータ） (2026-05-03T23:12:14Z) - NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。
本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
論文 参考訳（メタデータ） (2026-04-16T07:14:07Z) - LSGS-Loc: Towards Robust 3DGS-Based Visual Localization for Large-Scale UAV Scenarios [11.19077809901781]
大規模な3DGSシーンに適した新しい視覚的位置決めパイプラインLSGS-Locを提案する。
本手法は,非順序画像クエリに対する最先端の精度とロバスト性を実現し,既存の3DGS手法よりもはるかに優れている。
論文 参考訳（メタデータ） (2026-04-07T03:53:18Z) - X-GS: An Extensible Open Framework for Perceiving and Thinking via 3D Gaussian Splatting [72.02343855552051]
我々は、X-GS-PerceiverとX-GS-Thinkerの2つの主要コンポーネントからなるオープンフレームワークであるX-GSを紹介する。
Perceiverは、リアルタイムオンラインSLAMを可能にするために、幅広い3DGS技術を統合する。
Thinkerは視覚サンプリングモデルに対応し、結果の3Dセマンティック・ガウシアンを使用し、オブジェクト検出、キャプション生成、潜在的に具体化されたタスクなどの下流アプリケーションを可能にする。
論文 参考訳（メタデータ） (2026-03-10T13:10:18Z) - Visibility-Aware Densification for 3D Gaussian Splatting in Dynamic Urban Scenes [7.253732091582086]
VAD-GSは3DGSフレームワークで、挑戦的な都市景観の幾何学的復元に適したものだ。
本手法は, ボクセルに基づく可視性推論により, 信頼性の低い幾何学構造を同定する。
多様性を意識したビュー選択を通じて情報的支援ビューを選択し、パッチマッチングベースのステレオ再構築によって行方不明構造を復元する。
論文 参考訳（メタデータ） (2025-10-10T13:22:12Z) - Accurate and Complete Surface Reconstruction from 3D Gaussians via Direct SDF Learning [5.604709769018076]
3D Gaussian Splatting (3DGS) はフォトリアリスティック・ビュー・シンセサイザーの強力なパラダイムとして登場した。
3DGSパイプラインに直接サインドディスタンスフィールド(Signed Distance Field, SDF)学習を組み込む統合フレームワークであるDiGSを提案する。
DiGSは高い忠実度を維持しつつ,復元精度と完全性を常に向上することを示す。
論文 参考訳（メタデータ） (2025-09-09T08:17:46Z) - 3DGabSplat: 3D Gabor Splatting for Frequency-adaptive Radiance Field Rendering [50.04967868036964]
3D Gaussian Splatting(3DGS)は、高忠実なノベルビュー合成を維持しながらリアルタイムレンダリングを実現している。
複数方向の3次元周波数応答を持つ新規な3次元ガボルベースプリミティブを組み込んだ3次元ガボルスプレート(3DGabSplat)を提案する。
我々は3D以上の1.35dBRゲインを実現し、同時にプリミティブメモリ消費量を削減した。
論文 参考訳（メタデータ） (2025-08-07T12:49:44Z) - MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。
任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。
実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
論文 参考訳（メタデータ） (2024-11-25T20:07:07Z) - GS-Net: Generalizable Plug-and-Play 3D Gaussian Splatting Module [19.97023389064118]
粗いSfM点雲からガウス楕円体を密度化する3DGSモジュールであるGS-Netを提案する。
実験により、GS-Netを3DGSに適用すると、従来の視点では2.08dB、新しい視点では1.86dBのPSNR改善が得られることが示された。
論文 参考訳（メタデータ） (2024-09-17T16:03:19Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z)
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。