論文の概要: WilLaGS: Latent-Conditional 3D Appearance Fields for Robust Gaussian Splatting In-the-Wild
- arxiv url: http://arxiv.org/abs/2608.28240v1
- Date: Fri, 28 Aug 2026 11:55:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.308114
- Title: WilLaGS: Latent-Conditional 3D Appearance Fields for Robust Gaussian Splatting In-the-Wild
- Title（参考訳）: WilLaGS:ロバスト・ガウシアン・スプレイティング・イン・ザ・ワイルドのための3D表示フィールド
- Abstract要約: 3D Gaussian Splatting(3DGS)はリアルタイムかつ高忠実なレンダリングを提供するが、未制約の地味なシーンに悩まされている。
制約のない環境下でのロバストな3次元シーン再構成と生成的外観合成のための統合フレームワークである textbfWilLaGS を提案する。
- 参考スコア（独自算出の注目度）: 1.8467329406259845
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) delivers real-time and high-fidelity rendering but remains challenged by unconstrained in-the-wild scenes, where drastic appearance variations and transient objects violate multi-view consistency. Existing methods are fundamentally limited by independent and discrete embeddings that struggle to capture continuous environmental changes or model spatially-varying local illumination. To address these limitations, we propose \textbf{WilLaGS}, a unified framework for robust 3D scene reconstruction and generative appearance synthesis under unconstrained settings. Specifically, we introduce a generative appearance model where a $β$-VAE learns a structured and continuous manifold of global appearance. Conditioned on the latent code, we construct a 3D neural appearance field that generates dynamic Tri-Plane features to encode spatially-varying local illumination effects. Furthermore, to suppress transient artifacts, we present a self-supervised perceptual masking mechanism that leverages a Teacher-Student (EMA) architecture to derive a stable scene consensus, robustly identifying inconsistent regions via perceptual discrepancies. Extensive experiments on multiple datasets demonstrate that \textbf{WilLaGS} achieves state-of-the-art performance in reconstruction quality and novel view appearance synthesis, while maintaining real-time rendering efficiency.
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)はリアルタイムかつ高忠実なレンダリングを提供するが、劇的な外見の変化と過渡的なオブジェクトがマルチビューの一貫性に反する非制約のシーンによって、依然として挑戦されている。
既存の方法は、連続した環境変化を捉えたり、空間的に変化する局所的な照明をモデル化するのに苦労する独立した、離散的な埋め込みによって、基本的に制限されている。
これらの制約に対処するために,制約のない環境下でのロバストな3次元シーン再構成と生成的外観合成のための統一的なフレームワークである \textbf{WilLaGS} を提案する。
具体的には、$β$-VAE が大域的外見の構造的連続多様体を学習する生成的外見モデルを導入する。
潜時符号を条件に,局所的な局所照明効果を符号化するために,動的Tri-Plane特徴を生成する3次元神経外観場を構築した。
さらに、過渡的アーティファクトを抑えるために、教師・学生(EMA)アーキテクチャを活用して安定したシーンコンセンサスを導き、知覚的不一致性を通じて不整合領域を堅牢に識別する自己教師型知覚マスキング機構を提案する。
複数のデータセットに対する大規模な実験により、リアルタイムのレンダリング効率を維持しながら、復元品質と新しいビューの外観合成において、‘textbf{WilLaGS}’が最先端のパフォーマンスを達成することが示されている。
関連論文リスト
- LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
光ハーモニー3D(LightHarmony3D)について述べる。
繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。
3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
論文 参考訳（メタデータ） (2026-03-31T03:26:30Z) - NimbusGS: Unified 3D Scene Reconstruction under Hybrid Weather [83.14198482357388]
劣化したマルチビューインプットから高品質な3Dシーンを再構築するための統合フレームワークであるNimbusGSを提案する。
特定の気象タイプをターゲットにした既存の手法とは異なり、NimbusGSはより広範な一般化の課題に対処している。
論文 参考訳（メタデータ） (2026-03-28T10:46:29Z) - StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。
我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
論文 参考訳（メタデータ） (2026-01-05T13:26:02Z) - LaFiTe: A Generative Latent Field for 3D Native Texturing [72.05710323154288]
既存のネイティブアプローチは、その生成したテクスチャの忠実さと一般性を著しく制限する、強力で多目的な表現が欠如しているため、疎外である。
粗い色表現と紫外パラメータ化によって制約された高品質なテクスチャを生成するLaFiTeを紹介する。
論文 参考訳（メタデータ） (2025-12-04T13:33:49Z) - ArtiLatent: Realistic Articulated 3D Object Generation via Structured Latents [31.495577251319315]
ArtiLatentは、人間の作った3Dオブジェクトを精密な幾何学、正確な調音、リアルな外観で合成する生成フレームワークである。
論文 参考訳（メタデータ） (2025-10-24T13:08:15Z) - HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping [11.035994094874141]
HBSplatは、堅牢な構造的キュー、仮想ビュー制約、隠蔽された領域補完をシームレスに統合するフレームワークである。
HBSplatは21.13dBのPSNRと0.189LPIPSを達成し、リアルタイム推論を維持している。
論文 参考訳（メタデータ） (2025-09-29T15:03:31Z) - OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。
提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
論文 参考訳（メタデータ） (2025-09-27T11:19:32Z) - MS-GS: Multi-Appearance Sparse-View 3D Gaussian Splatting in the Wild [47.52462219920857]
野生の写真コレクションは、しばしば限られた量の画像を含んでおり、複数の外観を示す。
3DGS を用いたスパースビューシナリオにおけるマルチアジュアンス機能を備えた新しいフレームワーク MS-GS を提案する。
我々は,MS-GSが様々な難解な視界とマルチアジュアンス条件下でフォトリアリスティックレンダリングを実現することを実証した。
論文 参考訳（メタデータ） (2025-09-19T03:06:49Z) - STDR: Spatio-Temporal Decoupling for Real-Time Dynamic Scene Rendering [15.873329633980015]
既存の3DGSに基づく動的再構成法は、しばしばtextbfSTDR(リアルタイムレンダリングのための空間結合デテンポラル)に悩まされる
実時間レンダリングのためのテキストbfSTDR (Spatio-coupling DeTemporal for Real-time rendering) を提案する。
論文 参考訳（メタデータ） (2025-05-28T14:26:41Z) - Diffusion-Guided Gaussian Splatting for Large-Scale Unconstrained 3D Reconstruction and Novel View Synthesis [22.767866875051013]
本稿では,現行手法の限界に対処する多視点拡散モデルを用いて,新しい3DGSフレームワークであるGS-Diffを提案する。
マルチビュー入力に条件付き擬似観測を生成することにより、制約の少ない3次元再構成問題をよく表されたものに変換する。
4つのベンチマークの実験では、GS-Diffは最先端のベースラインをかなりのマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-02T17:59:46Z) - Wild-GS: Real-Time Novel View Synthesis from Unconstrained Photo Collections [30.321151430263946]
本稿では、制約のない写真コレクションに最適化された3DGSの革新的な適応であるWild-GSについて述べる。
Wild-GSは、それぞれの3Dガウスの出現を、その固有の材料特性、大域照明と画像当たりのカメラ特性、反射率の点レベルの局所的ばらつきによって決定する。
この斬新な設計は、参照ビューの高周波詳細外観を3次元空間に効果的に転送し、トレーニングプロセスを大幅に高速化する。
論文 参考訳（メタデータ） (2024-06-14T19:06:07Z)
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。