論文の概要: STARS-GS: Structure-Aware Regularized Gaussian Splatting for Large-Scale Aerial Surface Reconstruction
- arxiv url: http://arxiv.org/abs/2609.03447v1
- Date: Thu, 03 Sep 2026 07:03:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.963017
- Title: STARS-GS: Structure-Aware Regularized Gaussian Splatting for Large-Scale Aerial Surface Reconstruction
- Title（参考訳）: STARS-GS:大規模空中表面再構成のための構造対応正規化ガウス平滑化
- Abstract要約: 大規模表面再構成のための構造対応3DGSフレームワークであるSTARS-GSを提案する。
まず、分割中の連続的なシーン構造をよりよく保存する構造対応シーン分割戦略を導入する。
第2に,各プリミティブから近隣組織への幾何学的制約を拡張できる地域対応型ガウス組織を開発する。
第3に,局所的幾何特性に応じて正則化強度を調整する適応曲面正則化を導入する。
- 参考スコア（独自算出の注目度）: 4.123247424467223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-scale 3D surface reconstruction from aerial imagery is fundamental to geospatial mapping and urban modeling. Recent advances in 3D Gaussian Splatting (3DGS) have demonstrated considerable potential for this task. However, existing methods still face three major challenges in large and complex scenes: scene partitioning may split continuous scene elements across independently optimized sub-regions; geometric constraints mainly focus on the attributes of individual Gaussians while overlooking their local organization; and uniform regularization struggles to accommodate heterogeneous geometric structures. To address these issues, we propose STARS-GS, a structure-aware 3DGS framework for large-scale surface reconstruction. First, we introduce a structure-aware scene partitioning strategy that better preserves continuous scene structures during partitioning and reduces cross-region geometric inconsistencies and stitching artifacts through boundary refinement. Second, we develop neighborhood-aware Gaussian organization that extends geometric constraints from individual primitives to their neighborhood organization, encouraging Gaussians to better conform to local surface geometry. Third, we introduce adaptive surface regularization that adjusts the regularization strength according to local geometric characteristics, promoting geometric consistency in structured regions while preserving plausible variations in unstructured regions. Extensive experiments on large-scale aerial photogrammetry benchmarks demonstrate that STARS-GS consistently outperforms the evaluated Gaussian-based methods in surface reconstruction. It increases the average F1-score from 0.640 for the second-best method to 0.698, corresponding to a relative improvement of approximately 9.1\%, demonstrating effective improvements in geometric accuracy and surface completeness.
- Abstract（参考訳）: 航空画像からの大規模3次元表面再構成は地理空間マッピングと都市モデルの基礎となる。
近年の3Dガウススプラッティング(3DGS)の進歩は,この課題に有意な可能性を示唆している。
シーン分割は、独立に最適化されたサブリージョンにまたがって連続的なシーン要素を分割する可能性があり、幾何学的制約は主に個々のガウスの属性に焦点を合わせ、局所的な組織を見渡すこと、均一な正規化は不均一な幾何学的構造に対応するのに苦労する。
これらの課題に対処するために,大規模表面再構成のための構造対応3DGSフレームワークであるSTARS-GSを提案する。
まず、分割中の連続的なシーン構造をよりよく保存し、領域横断的な幾何学的不整合を低減し、境界修正を通じてアーティファクトを縫合する構造対応シーン分割戦略を提案する。
第2に、各プリミティブから近隣組織への幾何学的制約を拡張した近傍ガウス的組織を構築し、ガウス的組織が局所曲面幾何学に適合するように促す。
第3に、局所的な幾何学的特徴に応じて正規化強度を調整する適応曲面正則化を導入し、非構造領域における可塑性変動を保ちながら、構造化領域における幾何的整合性を促進する。
STARS-GSは、表面再構成において評価されたガウス法よりも一貫して優れていることを示す。
2番目のベスト法では平均F1スコアが0.640から0.698に増加し、約9.1\%の相対的な改善に対応し、幾何学的精度と表面完全性を効果的に改善した。
関連論文リスト
- SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。
既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。
SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
論文 参考訳（メタデータ） (2026-09-07T14:47:54Z) - Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。
鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
論文 参考訳（メタデータ） (2026-08-12T11:25:31Z) - GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM [6.344587694040345]
既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。
本研究では,シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)を提案する。
GeoGSは、プリミティブ単位のパラメータ数を80%以上削減するために、空間パラメータのみを保持する。
論文 参考訳（メタデータ） (2026-07-08T14:22:05Z) - LG-HCC: Local Geometry-Aware Hierarchical Context Compression for 3D Gaussian Splatting [77.81227097905865]
アンカーベースの3DGS圧縮スキームは、いくつかの高度な文脈モデルを通してガウスの冗長性を減少させる。
本稿では, アンカープルーニングとエントロピー符号化にアンカー幾何学的相関を組み込んだ3DGSのための局所幾何学的階層型コンテキスト圧縮フレームワークを提案する。
実験の結果、LG-HCCは構造保存の問題を効果的に緩和し、Mip-NeRF360データセット上のScaffold-GSベースラインと比較して最大30.85倍のストレージを削減した。
論文 参考訳（メタデータ） (2026-03-30T13:39:35Z) - MetroGS: Efficient and Stable Reconstruction of Geometrically Accurate High-Fidelity Large-Scale Scenes [20.601722393809244]
複雑な都市環境における効率的で堅牢な復興のための新しいフレームワークであるMetroGSを紹介する。
本手法は,分散2次元ガウススプラッティング表現を基本基盤として構築する。
大規模な都市データセットの実験により、MetroGSはより優れた幾何学的精度、レンダリング品質を達成することが示された。
論文 参考訳（メタデータ） (2025-11-24T14:34:19Z) - 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) - GSPlane: Concise and Accurate Planar Reconstruction via Structured Representation [30.083162532688096]
GSPlaneは正確な形状を復元し、平面領域に対してクリーンでよく構造化されたメッシュ接続を生成する。
また、支持平面上のオブジェクトの分離と柔軟な操作を可能にする構造化平面表現の応用についても検討する。
論文 参考訳（メタデータ） (2025-10-20T01:59:21Z) - G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。
生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。
本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
論文 参考訳（メタデータ） (2025-10-14T03:06:28Z) - 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) - ARGS: Advanced Regularization on Aligning Gaussians over the Surface [1.1172382217477126]
この研究はSuGaR上に2つの補完的な正規化戦略を導入することで構築されている。
最初の戦略は、ガウス原始構造に関する最近の研究によって動機付けられた効果的なランク正則化を導入する。
第2の戦略は、ニューラルサイン付き距離関数を最適化プロセスに統合する。
論文 参考訳（メタデータ） (2025-08-29T06:05:30Z) - 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) - GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。
我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。
提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-03-17T20:06:41Z)
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。