論文の概要: AVSplat: Dense-View Feed-Forward 3D Gaussian Splatting with Assist-View Preconditioning

• arxiv url: http://arxiv.org/abs/2609.05925v1
• Date: Sat, 05 Sep 2026 06:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.169137
• Title: AVSplat: Dense-View Feed-Forward 3D Gaussian Splatting with Assist-View Preconditioning
• Title（参考訳）: AVSplat: アシストビュープリコンディショニングによるDense-View Feed-Forward 3D Gaussian Splatting
• Abstract要約: AVSplatは、アグリゲーションと表現の両方のための信頼性の高い信号に付加的なビューを変換するフレームワークである。 表現には適応型温度認識型ボクセル融合を用い,高い占有率下での寄与を鋭くする。 AVSplatは、パフォーマンスが安定している、あるいはより多くのインプットビューが追加されるにつれて改善される、ポジティブなビュースケーリングを復元する。
• 参考スコア（独自算出の注目度）: 78.53780077475876
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Pose-free feed-forward 3D Gaussian Splatting enables novel view synthesis from uncalibrated multi-view images. Although more views should improve performance, existing methods often degrade with dense-view inputs because global aggregation spreads attention over many tokens, and naive voxel fusion averages many Gaussians into overly smooth representations. We present AVSplat, a framework that turns additional views into reliable signals for both aggregation and representation. Before global attention, each view performs a single lightweight interaction with a small set of Assist Views chosen for relevance and diversity, and the cached features provide a focused scene context that stabilizes correspondence. For representation, we use adaptive temperature-aware voxel fusion that sharpens attribution under high occupancy, guided by occupancy and point confidence. Crucially, AVSplat restores positive view scaling where performance remains stable or improves as more input views are added, instead of degrading in the dense-view regime. Ablations show that Assist View Preconditioning is primarily responsible for preventing dense-view degradation, while Occupancy-guided Voxel Fusion contributes most of the single-point image-quality gains.
• Abstract（参考訳）: ポスフリーフィードフォワード3Dガウススプラッティングは、未校正マルチビュー画像から新しいビュー合成を可能にする。 より多くのビューはパフォーマンスを改善するべきであるが、グローバルアグリゲーションは多くのトークンに注意を広げ、単純ボクセル融合は多くのガウス人を過度に滑らかな表現へと導くため、既存のメソッドは高密度なビューインプットで劣化することが多い。 AVSplatは、アグリゲーションと表現の両方のための信頼性の高い信号に付加的なビューを変換するフレームワークである。 グローバルな注目の前に、各ビューは、関連性と多様性のために選択されたAssist Viewの小さなセットと単一の軽量なインタラクションを実行し、キャッシュされた機能は、対応を安定化する集中したシーンコンテキストを提供する。 表現には適応型温度認識型ボクセル融合を用い,高い占有率下での寄与を促進させ,占有率と点信頼度を誘導する。 重要なことに、AVSplatは、高密度なビューレシエーションを劣化させることなく、パフォーマンスが安定し、より多くのインプットビューが追加されるにつれて改善される、ポジティブなビュースケーリングを復元する。 アブレーションは、アシストビュープレコンディショニングが主に高密度ビューの劣化防止に寄与していることを示し、Occupancy-guided Voxel Fusionはシングルポイント画像の品質向上の大部分に寄与していることを示している。

関連論文リスト

• UniqueSplat: View-conditioned 3D Gaussian Splatting for Generalizable 3D Reconstruction [66.8743195106848]
  本稿では,ビュークエリ毎にカスタマイズされた3次元ラディアンスフィールドを再構成するために,ビュー条件付きフィードフォワード3Dガウススプラッティングモデルを提案する。 我々のUniqueSplatは、ビュー条件付き情報を事前学習し、この知識をネットワークパラメータに組み込む。 広く使われているデータセットの実験は、最先端の手法よりもUniqueSplatの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-08-03T12:31:12Z)
• Diversity-aware View Partitioning for Scalable VGGT [48.654660686945526]
  VGGTは、グローバルな注目を集めた複数のビューを共同で推論することで、強力なパフォーマンスを達成する。 本稿では,多様性を意識したバランスの取れたチャンクにビューを整理する,トレーニングフリーでプラグアンドプレイな推論フレームワークを提案する。 我々のフレームワークは既存のVGGTの変種を補完し、幾何学的忠実さを犠牲にすることなくスケーラブルな多視点再構成を可能にする。
  論文  参考訳（メタデータ） (2026-07-02T08:37:56Z)
• Capacity-Controlled Multi-View Stylization of 3D Gaussian Splatting [66.3033154284523]
  3DGSのマルチビュースタイリングのためのキャパシティ制御フレームワークを提案する。 可変強度のカラム容量制約を導入することにより,複数対1のマッチングが緩和される。 また、シーンコンテンツとスタイルパターンの対応を制約するために、新しいクロスビューマッチングガイダンスを組み込んだ。
  論文  参考訳（メタデータ） (2026-06-25T08:36:50Z)
• Hierarchical Visual Relocalization with Nearest View Synthesis from Feature Gaussian Splatting [10.178028085803833]
  視覚的再ローカライゼーションは3Dコンピュータビジョンの分野における基本的な課題であり、これまで知られていたシーンを再検討する際にカメラのポーズを推定する。 SplatHLocは,特徴ガウススプラッティングをシーン表現として用いた,新しい階層的視覚的再局在化フレームワークである。 我々は,SplatHLocが視覚的再局在の堅牢性を高め,新しい最先端技術を確立していることを示す。
  論文  参考訳（メタデータ） (2026-03-31T02:51:14Z)
• ViewSplat: View-Adaptive Dynamic Gaussian Splatting for Feed-Forward Synthesis [10.752176613697912]
  ビュー適応型3次元ガウススプラッティングネットワークであるViewSplatについて述べる。 ViewSplatは高速な推論とリアルタイムレンダリングを維持しつつ,最先端の忠実度を実現していることを示す。
  論文  参考訳（メタデータ） (2026-03-26T10:03:44Z)
• Splat Feature Solver [2.385329252971734]
  本稿では,特徴持ち上げ問題のカーネルおよび特徴に依存しない定式化を,スパース線形逆問題として提示する。 解の安定化と意味的忠実度向上のための2つの相補的正則化戦略を導入する。 提案手法は,オープンボキャブラリ3次元セグメンテーションベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-08-17T03:13:06Z)
• 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)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• AdaFuse: Adaptive Multiview Fusion for Accurate Human Pose Estimation in the Wild [77.43884383743872]
  本稿では,アダプティブなマルチビュー融合手法であるAdaFuseについて述べる。 我々は、Human3.6M、Total Capture、CMU Panopticの3つの公開データセットに対するアプローチを広く評価した。 また,大規模合成データセットOcclusion-Personを作成し,咬合関節の数値評価を行う。
  論文  参考訳（メタデータ） (2020-10-26T03:19:46Z)

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。