論文の概要: CoMVS-GS: Collaborative Multi-View Stereo and 3D Gaussian Splatting for Surface Reconstruction
- arxiv url: http://arxiv.org/abs/2608.18413v1
- Date: Wed, 19 Aug 2026 00:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.241157
- Title: CoMVS-GS: Collaborative Multi-View Stereo and 3D Gaussian Splatting for Surface Reconstruction
- Title（参考訳）: CoMVS-GS:表面再構成のための協調多視点ステレオと3次元ガウススプラッティング
- Abstract要約: CoMVS-GSは、マルチビューステレオとガウススプラッティングを組み合わせた一般的な表面再構成フレームワークである。
プリミティブを、プレフラットスケールと正規配向を持つ高密度な多視点ステレオポイントから初期化する。
表面抽出のために、CoMVS-GSはデラウネーグラフカットメッシュパイプラインで、切り離された符号付き距離場ボクセル融合を置き換える。
- 参考スコア（独自算出の注目度）: 4.2932025928748425
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting enables efficient novel view synthesis, but accurate mesh reconstruction remains difficult in weakly observed and occluded regions, where Gaussian primitives may grow into unstable or geometrically inconsistent structures. We propose CoMVS-GS, a general surface reconstruction framework that combines Multi-View Stereo with Gaussian splatting. CoMVS-GS initializes Gaussian primitives from dense multi-view stereo points with pre-flattened scales and normal-aligned orientations, providing stronger geometric priors than sparse structure-from-motion initialization and reducing ambiguity during early optimization. It further introduces PatchMatch-3DGS Mutual Supervision, where Gaussian-rendered depths and normals initialize PatchMatch refinement, and refined PatchMatch depths supervise Gaussian optimization to improve weakly constrained geometry. For surface extraction, CoMVS-GS replaces truncated signed distance field voxel fusion with a Delaunay graph-cut meshing pipeline, reducing sensitivity to voxel resolution while preserving visibility-consistent surface evidence. Experiments on DTU, GauU-Scene V2, and MatrixCity show that CoMVS-GS remains competitive on object-level reconstruction and improves geometric accuracy and mesh compactness in outdoor scenes while maintaining high rendering quality.
- Abstract（参考訳）: 3Dガウススプラッティングは効率的な新規なビュー合成を可能にするが、ガウス原始体が不安定あるいは幾何学的に矛盾する構造へと成長する弱い観察と隠蔽領域では、正確なメッシュ再構成は難しいままである。
マルチビューステレオとガウススプラッティングを組み合わせた一般的な表面再構成フレームワークであるCoMVS-GSを提案する。
CoMVS-GSは、プレフラットスケールと正規配向を持つ高密度多視点ステレオポイントからガウス原始体を初期化し、運動の初期化や初期最適化時のあいまいさの低減よりも厳密な幾何学的先行性を提供する。
さらに、PatchMatch-3DGS Mutual Supervisionを導入し、ガウスのレンダリングされた深度と正規度がPatchMatchの改良を初期化し、改良されたPatchMatchの深さがガウスの最適化を監督し、弱い制約のある幾何を改善する。
表面抽出のために、CoMVS-GSは、切り離された符号付き距離場ボクセル融合をデラウネーグラフカットメッシュパイプラインに置き換え、可視性のある表面証拠を保存しながら、ボクセル分解に対する感度を低下させる。
DTU, GauU-Scene V2, MatrixCity の実験により,CoMVS-GS がオブジェクトレベルの再構成に競争力を維持し,屋外シーンにおける幾何的精度とメッシュのコンパクト性を向上し,高いレンダリング品質を維持した。
関連論文リスト
- 2D-SuGaR: Surface-Aware Gaussian Splatting for Geometrically Accurate Mesh Reconstruction [20.01352292373102]
2次元ガウススプラッティング (2DGS) は、多視点画像から立体的かつ幾何的に正確な表面再構成を可能にするために提案されている。
2DGSを単分子深度と通常の先行値に組み込むことで,幾何的精度と頑健さを両立させる。
提案手法をDTUデータセット上で評価し,高品質な新規ビューを維持しつつ,メッシュ再構築におけるフォトリアリスティックな結果が得られることを示した。
論文 参考訳（メタデータ） (2026-05-01T11:09:29Z) - GVGS: Gaussian Visibility-Aware Multi-View Geometry for Accurate Surface Reconstruction [15.170414649311441]
3D Gaussian Splattingは効率的な最適化と高品質なレンダリングを実現するが、正確な表面再構成は難しいままである。
ビュー間で共有されたガウス的プリミティブの可視性を集約する、可視性を考慮した多視点幾何的整合性制約を導入する。
また,粗い空間スケールから細かな空間スケールへのブロックワイドアフィンキャリブレーションを行う,プログレッシブクワッドツリー校正単分子深度制約を提案する。
論文 参考訳（メタデータ） (2026-01-28T07:48:51Z) - SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:32:01Z) - VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。
ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-10-13T14:44:50Z) - OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。
OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-09-29T05:43:40Z) - Gaussian Set Surface Reconstruction through Per-Gaussian Optimization [9.451254271017767]
3D Gaussian Splatting (3DGS)は、フレキシブルな表現を通して、斬新なビューを効果的に合成するが、シーン幾何学を正確に再構築することができない。
本稿では,ガウス集合表面再構成法(GSSR)を提案する。これは,ガウス集合表面を静止面に沿って均等に分配し,支配的な正規値と表面正規値とを整列させる手法である。
GSSRは画素レベルとガウスレベルの単視正規整合と多視光度整合を組み合わせることで、微細な幾何学的アライメントを強制する。
論文 参考訳（メタデータ） (2025-07-25T03:31:47Z) - Sparse2DGS: Geometry-Prioritized Gaussian Splatting for Surface Reconstruction from Sparse Views [45.125032766506536]
完全かつ正確な再構成のためのMVS-d Gaussian Splatting PipelineであるSparse2DGSを提案する。
我々の重要な洞察は、幾何学的優先順位付けされた拡張スキームを組み込むことであり、不適切な条件下での直接的かつ堅牢な幾何学的学習を可能にする。
Sparse2DGSは、NeRFベースの微調整方式よりも2倍の速さで既存の手法よりも優れています。
論文 参考訳（メタデータ） (2025-04-29T02:47:02Z) - SolidGS: Consolidating Gaussian Surfel Splatting for Sparse-View Surface Reconstruction [48.228533595941556]
この問題に対処するために,SolidGSと呼ばれる新しい手法を提案する。
再構成された幾何は多視点では非常に不整合であることがわかった。
幾何学的正規化と単分子正規化の助けを借りて,スパース面の再構成における優れた性能を実現する。
論文 参考訳（メタデータ） (2024-12-19T21:04:43Z) - GausSurf: Geometry-Guided 3D Gaussian Splatting for Surface Reconstruction [79.42244344704154]
GausSurfは、テクスチャリッチな領域におけるマルチビュー一貫性と、シーンのテクスチャレスな領域における通常の事前の幾何学的ガイダンスを採用している。
本手法は,再現性や計算時間の観点から,最先端の手法を超越した手法である。
論文 参考訳（メタデータ） (2024-11-29T03:54:54Z) - 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) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z)
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。