論文の概要: Glass Surface Detection Grounded in 3D Visual Geometry

• arxiv url: http://arxiv.org/abs/2608.26752v1
• Date: Thu, 27 Aug 2026 07:49:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.29453
• Title: Glass Surface Detection Grounded in 3D Visual Geometry
• Title（参考訳）: 3次元視覚計測によるガラス表面検出
• Authors: Yiwei Lu, Ke Xu, Tao Yan, Xiaojun Chang, Radu Timofte, Rynson W. H. Lau,
• Abstract要約: ガラス表面検出(GSD)はシーン理解と再構築に重要である。 ガラス表面の物理的存在を明示的にモデル化するために、3次元視覚幾何学でGSDを接地するパラダイムシフトを提案する。 提案手法はまず,視覚幾何学的基底変換器 (VGGT) からリッチな3D前駆体を蒸留し,ガラスを意識した3D表現を生成する。
• 参考スコア（独自算出の注目度）: 118.92003088760919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glass surface detection (GSD) is critical for scene understanding and reconstruction, and yet remains challenging due to the transparency and reflectivity of glass surfaces. Existing GSD methods typically rely on 2D appearance cues, which may fail in geometrically ambiguous scenes. In this paper, we propose a paradigm shift: grounding GSD in 3D visual geometry to explicitly model the physical existence of glass surfaces. Our method first distills rich 3D priors from the visual geometry grounded transformer (VGGT) and generates glass-aware 3D representations. It then exploits multi-tasking learning with a novel glass detection head, consisting of two core modules: a Frequency Self-Attention Module (FSAM) that identifies glass-specific spectral features for glass surface localization, and a Geometry Grounding Block (GeGB) that selectively grounds 2D features in 3D geometry for glass surface segmentation. Extensive experiments demonstrate that our method achieves state-of-the-art performance across seven standard GSD benchmarks, generalizes well to video/multi-modal data, and substantially improves reconstruction in glass scenes. Code is available in https://github.com/YT3DVision/VGGT_GLASS.
• Abstract（参考訳）: ガラス表面検出(GSD)はシーンの理解と再構築に重要であるが、ガラス表面の透明性と反射率のために依然として困難である。 既存のGSD法は、幾何学的に曖昧な場面で失敗する2Dの外観に頼っている。 本稿では、ガラス表面の物理的存在を明示的にモデル化するために、3次元視覚幾何学におけるGSDのグラウンド化というパラダイムシフトを提案する。 提案手法はまず,視覚幾何学的基底変換器 (VGGT) からリッチな3D前駆体を蒸留し,ガラスを意識した3D表現を生成する。 次に、ガラス表面ローカライゼーションのためのガラス固有のスペクトル特徴を識別する周波数自己認識モジュール(FSAM)と、ガラス表面セグメンテーションのための3次元幾何学的特徴を選択的にグラウンドする幾何学的グラウンドディングブロック(GeGB)の2つのコアモジュールからなる、新しいガラス検出ヘッドによるマルチタスク学習を利用する。 広汎な実験により,本手法は7つの標準GSDベンチマークにおける最先端性能を実現し,ビデオ・マルチモーダルデータによく対応し,ガラスシーンの再現性を大幅に向上することが示された。 コードはhttps://github.com/YT3DVision/VGGT_GLASSで公開されている。

関連論文リスト

• Glass Segmentation with Fusion of Learned and General Visual Features [2.3821941487858935]
  RGB画像からのガラス表面のセグメンテーションは、透明な材料としてのガラスが視覚的特徴をはっきりと欠いているため、難しい課題である。 本稿では,ガラスセグメンテーションのための新しいアーキテクチャを提案する。 アーキテクチャは4つの一般的なガラスセグメンテーションデータセットで評価され、いくつかの精度測定結果が得られた。
  論文  参考訳（メタデータ） (2026-03-04T04:40:30Z)
• Car-GS: Addressing Reflective and Transparent Surface Challenges in 3D Car Reconstruction [15.760408540786035]
  Car-GSは、3次元幾何およびシェーディング再構成における特異ハイライトの効果とRGBと幾何学の結合を緩和するための新しいアプローチである。 Car-GSは自動車表面の精密な再構築を実現し,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-19T11:49:35Z)
• GigaGS: Scaling up Planar-Based 3D Gaussians for Large Scene Surface Reconstruction [71.08607897266045]
  3D Gaussian Splatting (3DGS) は新規なビュー合成において有望な性能を示した。 本研究は,大規模な景観表面再構築の課題に取り組むための最初の試みである。 3DGSを用いた大規模シーンのための高品質な表面再構成手法であるGigaGSを提案する。
  論文  参考訳（メタデータ） (2024-09-10T17:51:39Z)
• MvDeCor: Multi-view Dense Correspondence Learning for Fine-grained 3D Segmentation [91.6658845016214]
  そこで本研究では,2次元領域における自己教師型手法を,微細な3次元形状分割作業に活用することを提案する。 複数のビューから3次元形状を描画し、コントラスト学習フレームワーク内に密接な対応学習タスクを設置する。 その結果、学習された2次元表現はビュー不変であり、幾何学的に一貫性がある。
  論文  参考訳（メタデータ） (2022-08-18T00:48:15Z)
• Leveraging RGB-D Data with Cross-Modal Context Mining for Glass Surface Detection [47.87834602551456]
  ガラスの表面は、現代の建物が多くのガラスパネルを使用する傾向にあるため、ますます広くなっている。 これは、ロボット、自動運転車、ドローンなどの自律システムの運用に重大な課題をもたらす。 RGBと深度情報を組み合わせた新しいガラス表面検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-22T17:56:09Z)
• Learning Geometry-Guided Depth via Projective Modeling for Monocular 3D Object Detection [70.71934539556916]
  射影モデルを用いて幾何学誘導深度推定を学習し, モノクル3次元物体検出を推し進める。 具体的には,モノクロ3次元物体検出ネットワークにおける2次元および3次元深度予測の投影モデルを用いた原理的幾何式を考案した。 本手法は, 適度なテスト設定において, 余分なデータを2.80%も加えることなく, 最先端単分子法の検出性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-07-29T12:30:39Z)

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。