論文の概要: Gaussian Splatting Underwater: A Controlled Cross-Regime Study
- arxiv url: http://arxiv.org/abs/2608.25483v1
- Date: Wed, 26 Aug 2026 07:53:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.66257
- Title: Gaussian Splatting Underwater: A Controlled Cross-Regime Study
- Title（参考訳）: ガウスの沈み込み水中:制御されたクロスレジーム研究
- Abstract要約: ガウススプラッティングに基づく手法は、画像の品質が良い条件で一般的に開発されている。
水明度はレンダリングの上流に結合する、なぜなら、運動から得られる構造はクリアウォーター中のフレームの99.5%、12 NTUでは0.0%であるからである。
調査では、ベンチマークの測光リーダーが最後に現れ、バニラ3DGSの前にある修復前のパスでジオメトリに打ち勝つ。
- 参考スコア（独自算出の注目度）: 2.2917707112773598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The underwater environment is challenging for 3D reconstruction, because particles suspended in the water scatter and diffuse light, turbidity varies, absorption depends on wavelength, and illumination is rarely uniform. Methods based on Gaussian splatting have generally been developed for conditions that allow good image quality, and have primarily been tested on relatively shallow water. This paper examines how well Gaussian splatting performs across publicly available underwater datasets representing different degrees of turbidity, loss of illumination, and colour attenuation, together with an industrial survey. Five systems with public code are run under one protocol, with shared poses, initialisation, budget, and evaluator, to establish their relative advantages, disadvantages, and limitations. What these methods can do turns out to depend more on the setup than on the architecture. Water clarity binds upstream of rendering, since structure-from-motion registers 99.5 \% of frames in clear water and 0.0 \% at 12 NTU. Illumination geometry decides whether a medium model helps at all: under an artificial light that moves with the camera, medium-blind splatting beats both medium-aware systems. On the survey the benchmark's photometric leader comes last, beaten on geometry by a restoration pre-pass in front of vanilla 3DGS---and none of it is visible in the scores the field reports. Scene builds, per-run configurations, and evaluation code are released at https://github.com/olayasturias/uw3dgs
- Abstract（参考訳）: 水中環境は、水散乱と拡散光に懸濁した粒子、濁度が変化し、吸収が波長に依存し、照明が均一であることから、3次元再構成では困難である。
ガウススプラッティングに基づく手法は、画像の品質が良い条件のために開発され、主に比較的浅い水で試験されてきた。
本稿では, 産業調査とともに, 様々な濁度, 照明の喪失, 色減衰を表わした公用水中データセットに対して, ガウシアンスプラッティングが果たす効果について検討した。
パブリックコードを持つ5つのシステムは、相対的な優位性、欠点、制限を確立するために、共通のポーズ、初期化、予算、評価を行う1つのプロトコルの下で実行される。
これらのメソッドができることは、アーキテクチャよりもセットアップ次第であることが判明します。
水明度は、クリアウォーター中のフレームの99.5 %、12 NTUで0.0 % であるので、レンダリングの上流に結合する。
カメラで動く人工の光の下では、中翼のスプラッティングが両方の中翼のシステムを打ち負かす。
調査では、バニラ3DGSの前の修復前パスでジオメトリを破り、フィールドレポートのスコアにはそのどれも見えなかった。
Scene build, per-run configurations, and evaluation code is released at https://github.com/olayasturias/uw3dgs
関連論文リスト
- Wat3R: Underwater 3D Geometry Learning without Annotations [58.91163632674025]
水中環境における3D形状の推定は、光の減衰、散乱、大規模で高品質な3Dアノテーションの欠如による固有の課題を示す。
本稿では,空中から水中へのフィードフォワード3D再構成モデルの適用を目的とした,クロスドメイン半教師付き学習フレームワークWat3Rを提案する。
論文 参考訳（メタデータ） (2026-07-09T17:59:58Z) - Rethinking Conditional Generation for Underwater Salient Object Detection [69.38806804258452]
コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。
DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
論文 参考訳（メタデータ） (2026-07-02T07:48:06Z) - Single View Seafloor Recovery from Imaging Sonar via Differentiable Rendering [12.051446549851844]
本研究では, 単一ソナー画像から30秒未満で入浴率を回復する学習自由度法を提案する。
我々の知る限り、ソナーにおける単視高回復のための最初の微分可能レンダリング手法である。
論文 参考訳（メタデータ） (2026-05-22T20:36:49Z) - BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination [6.8920172327690175]
BALTIC(Baltic, BALTIC, BALTIC)は, 近代的な3次元再構成手法を中・光の変動下で評価するためのベンチマークである。
このベンチマークは、2つのメディア(空気と水)と3つの照明条件(周囲、人工、混合)にまたがる13のデータセットで構成されている。
類似の照明条件下で観測された少数の水中ビューで水中画像列を増大させることにより、ドメイン間再構築を検討する。
論文 参考訳（メタデータ） (2026-04-21T06:32:07Z) - Enhancing Underwater Images via Adaptive Semantic-aware Codebook Learning [53.9340120911759]
水中画像強調(UIE)は、自然の清浄な参照が利用できない不適切な問題である。
意味認識型離散コードブック表現から適応UIEを実現するSUCode(Semantic-aware Underwater Codebook Network)を提案する。
論文 参考訳（メタデータ） (2026-02-11T07:20:15Z) - Triangle Splatting+: Differentiable Rendering with Opaque Triangles [54.18495204764292]
微分可能なスティングフレームワーク内での三角形を直接最適化するTriangle Splatting+を導入する。
本手法は, 視覚的忠実度において, より効率的かつ高速なトレーニングを継続しながら, 従来のスプレイティング手法を超越した手法である。
結果として生じるセミコネクテッドメッシュは、物理ベースのシミュレーションやインタラクティブなウォークスルーのような下流のアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-09-29T17:43:46Z) - 3D-UIR: 3D Gaussian for Underwater 3D Scene Reconstruction via Physics Based Appearance-Medium Decoupling [30.985414238960466]
3D Gaussian Splatting (3DGS)はリアルタイムレンダリング機能を提供するが、水中の不均一な環境に苦しむ。
水媒体効果から物体の外観を遠ざける物理ベースの枠組みを提案する。
提案手法は,高品質な新規ビュー合成と物理的に正確なシーン復元を実現する。
論文 参考訳（メタデータ） (2025-05-27T14:19:30Z) - RUSplatting: Robust 3D Gaussian Splatting for Sparse-View Underwater Scene Reconstruction [9.070464075411472]
本稿では,水中深部レンダリングの視覚的品質と精度を両立させる,ガウススプラッティングに基づくフレームワークを提案する。
水中減衰の物理によって導かれるRGBチャネルの分離学習を提案し,より正確な色復元を実現する。
新たに収集されたデータセットであるSubmerged3Dは、特に深海環境においてキャプチャされる。
論文 参考訳（メタデータ） (2025-05-21T16:42:15Z) - NeuroPump: Simultaneous Geometric and Color Rectification for Underwater Images [52.863935209616635]
水中画像の復元は、水の屈折、吸収、散乱による幾何学的および色の歪みを取り除くことを目的としている。
本研究では,水中の形状と色を水が汲み出されているかのように同時に最適化し,修正する自己教師型方法であるNeuroPumpを提案する。
論文 参考訳（メタデータ） (2024-12-20T13:40:28Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - SUCRe: Leveraging Scene Structure for Underwater Color Restoration [1.9490160607392462]
本研究では,シーンの3次元構造を利用した水中色復元手法であるSUCReを紹介する。
我々は、自然光から深海環境まで様々なシナリオにおいて、我々のアプローチを定量的、質的に分析する。
論文 参考訳（メタデータ） (2022-12-18T16:53:13Z)
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。