論文の概要: FujinSplat: Seeing Through Smoke with RAW-Domain Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.06017v2
• Date: Thu, 10 Sep 2026 05:41:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.035505
• Title: FujinSplat: Seeing Through Smoke with RAW-Domain Gaussian Splatting
• Title（参考訳）: FujinSplat:RAW-Domain Gaussian Splattingで煙の中を見る
• Authors: Gengjia Chang, Ziteng Cui, Shuhong Liu,
• Abstract要約: FujinSplatはRAWドメインでこの問題に対処し、2つのプロセスは分離可能である。 Base ISPはシーンのぼんやりとしたRAWキャプチャーから取り付けられ、凍結され、デハジングを行わない固定された測光アンカーが提供される。 RealX3Dのスモークベンチマークで、FujinSplatは明らかに最強のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 6.710446654182565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The appearance of a smoky scene is shaped by two processes that a camera records together: the participating medium alters scene radiance in a view-dependent way, and the image signal processor (ISP) then remaps the result through a nonlinear tone and color transformation. Recovering a clean 3D scene requires separating both. Per-view sRGB dehazing acts only after the ISP has entangled them; standard 3D reconstruction ignores the medium and absorbs it into scene geometry and radiance. FujinSplat addresses the problem in the RAW domain, where the two processes remain separable. A per-scene Base ISP is fitted from the scene's hazy RAW captures to its own camera renderings and then frozen, providing a fixed photometric anchor that performs no dehazing. Analyzing expert corrections reveals a compact, low-dimensional correction space identifiable from RAW alone. FujinSplat therefore fits per-view action answers at the training poses and trains a single scene-agnostic controller to regress them from RAW; the corrected views supervise one static 3D Gaussian representation, jointly with a bounded per-view residual that reconciles cross-view photometric inconsistencies. On the RealX3D real-world smoke benchmark FujinSplat clearly outperforms the strongest comparable baseline, ahead of both physics-based reconstruction and restoration-then-3DGS pipelines. Code is available at https://github.com/I2WM/FujinSplat .
• Abstract（参考訳）: スモーキーシーンの外観は、カメラが一緒に記録する2つのプロセスによって形成され、参加媒体は、ビュー依存的にシーンラディアンスを変更し、画像信号処理装置(ISP)は、非線形トーンと色変換により結果を再マップする。 クリーンな3Dシーンを復元するには、両方を分離する必要がある。 標準の3D再構成は媒体を無視し、シーンの幾何学と放射能に吸収する。 FujinSplatはRAWドメインでこの問題に対処し、2つのプロセスは分離可能である。 Base ISPはシーンの派手なRAWキャプチャから、自身のカメラレンダリングに装着され、凍結され、デハジングを行わない固定された測光アンカーが提供される。 専門家の補正を分析することで、RAWのみから特定できるコンパクトで低次元の補正空間が明らかになる。 したがって、FujinSplatは、トレーニングポーズにビュー毎のアクション回答を適合させ、RAWからそれらを退避させるために単一のシーン非依存のコントローラを訓練する。 RealX3Dのスモークベンチマークで、FujinSplatは物理学ベースの再構築と復元3DGSパイプラインに先立って、最強のベースラインを明らかに上回っている。 コードはhttps://github.com/I2WM/FujinSplatで入手できる。

関連論文リスト

• RoGe: Novel View Synthesis via End-to-End Implicit Reconstruction and Generation [22.7090348393767]
  我々は、エンドツーエンドの統一的な再構築および生成フレームワークであるRoGeを紹介する。 スパースビューで固定されたシーン内でローミングを狙う。 スパース入力ビューから、RoGeはフィードフォワード再構成モデルで暗黙のシーン表現を構築する。 対象のカメラ線でクエリして、ビューごとの幾何学的特徴を得る。
  論文  参考訳（メタデータ） (2026-09-02T17:32:35Z)
• ReX-Shot: Single-Image Rephotography via Geometry- and Camera-Grounded Generation [77.23728599741166]
  単一画像の再撮影は、特定の視点、焦点距離、写真効果を持つ単一の参照画像からシーンの新しいショットを合成することを目的としている。 既存の方法は、これらの要因を別々に扱い、共同制御の下で苦労する。 ReX-Shotは、単一の画像から視点、焦点距離、パラメータ化された写真効果を共同制御する最初の統一されたフレームワークである。
  論文  参考訳（メタデータ） (2026-08-19T06:34:20Z)
• JADE-GS: Joint Alternating Deblurring Guided by Events in 3D Gaussian Splatting [30.72967347179183]
  JADE-GSはピクセル適応型ルーティングゲートで、固定されたプリプロセッサを幾何対応の予測器に変える。 合成ベンチマークと実際のベンチマークで最高の知覚品質が得られる。 リアルタイムレンダリングを保ちながら、1つの消費者向けGPUで5GB以下で約1時間トレーニングする。
  論文  参考訳（メタデータ） (2026-07-16T13:40:13Z)
• DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization [17.91043282211744]
  3D Gaussian Splatting (3DGS)は、リアルタイム高忠実なレンダリングによる日常画像からの効率的な3Dシーン再構築を実現している。 より広い視野(FOV)を持つ魚眼カメラは、少ない入力から高品質な再構築を約束する。
  論文  参考訳（メタデータ） (2026-04-01T09:00:04Z)
• EAG-PT: Emission-Aware Gaussians and Path Tracing for Indoor Scene Reconstruction and Editing [63.64931392651423]
  本研究では,2次元ガウス表現を統一した物理的光輸送を目的としたElectron-Aware Gaussian and Path Tracing (EAG-PT)を提案する。 本設計は,(1)再構成メッシュを回避する統一的なシーン表現と移動に適した幾何プロキシとして2次元ガウシアンを用い,(2)さらなるシーン編集のために再構成中の許容成分と非許容成分を明示的に分離し,(3)効率的なシングルバウンス最適化と高品質なマルチバウンスパストレースを用いて最終レンダリングから再構成を分離する,という3つのコアに基づいている。
  論文  参考訳（メタデータ） (2026-01-30T15:16:37Z)
• DeblurSplat: SfM-free 3D Gaussian Splatting with Event Camera for Robust Deblurring [50.21760380168387]
  DeSplat と呼ばれるイベントカメラによる3次元ガウス分割法を初めて提案する。 我々は高密度ステレオモジュール(DUSt3R)の事前訓練機能を利用して、ぼやけた画像から正確な初期点雲を直接取得する。
  論文  参考訳（メタデータ） (2025-09-23T11:21:54Z)
• FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
  FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。 当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。 包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
  論文  参考訳（メタデータ） (2024-12-12T18:52:53Z)
• Gaussian Scenes: Pose-Free Sparse-View Scene Reconstruction using Depth-Enhanced Diffusion Priors [8.440211083233528]
  本研究では2次元画像の粗い集合から360度シーンのポーズなし(カメラパラメータなしで)再構成のための生成的アプローチを提案する。 画像から画像への生成モデルを提案し、3Dシーンの新たな画像レンダリングと深度マップにおいて、欠落した詳細を描き、アーティファクトを除去する。
  論文  参考訳（メタデータ） (2024-11-24T19:34:58Z)
• Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized Photography [54.36608424943729]
  2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。 我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
  論文  参考訳（メタデータ） (2022-12-22T18:54:34Z)

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。