論文の概要: From Explicit References to Scene Manifolds: Distributional Fidelity and Realism for Radiance Field Quality Assessment
- arxiv url: http://arxiv.org/abs/2609.07346v1
- Date: Mon, 07 Sep 2026 11:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:44:40.778908
- Title: From Explicit References to Scene Manifolds: Distributional Fidelity and Realism for Radiance Field Quality Assessment
- Title（参考訳）: 露光界品質評価のための分布の忠実度とリアリズム
- Abstract要約: SCODAは軽量なシーン条件の客観的品質評価手法である。
QAは画像から画像への明示的な比較からシーン・マニフォールド・モデリングへとシフトする。
実験は、人的判断と強い一致を示し、GS-およびNeRF- Generated viewとtrajectoriesをまたいだ堅牢な一般化を示す。
- 参考スコア（独自算出の注目度）: 6.557590493848202
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Radiance field representations such as 3D Gaussian Splatting (3DGS) enable high-quality novel view synthesis but can introduce complex, view-dependent artifacts from reconstruction, rendering, and compression. Reliable perceptual quality assessment (QA) is thus essential for evaluating rendered views and guiding the design of perceptually faithful scene representations. Existing full-reference QA metrics require an aligned reference image, while recent cross-reference metrics relax this requirement by comparing a test view with non-aligned references. However, under wide-baseline radiance field settings, selecting a reliable nearby reference can be difficult, particularly when evaluating views along arbitrary trajectories and poses. We propose SCODA, a lightweight scene-conditioned objective QA method that shifts QA from explicit image-to-image comparison to scene-manifold modeling. High-quality observations of each scene are represented as a multivariate Gaussian distribution in deep feature space, producing a semantic fidelity score that measures deviation from the scene distribution. A weakly-supervised distortion-aware patch discriminator provides a complementary realism signal, and both cues are combined through an unsupervised bounded fusion strategy. Experiments on multiple benchmarks show strong agreement with human judgments and robust generalization across GS- and NeRF-generated views and trajectories. Code is publicly available at https://gitlab.com/saeedmp/scoda.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)のような放射場表現は高品質な新規ビュー合成を可能にするが、再構成、レンダリング、圧縮から複雑なビュー依存のアーティファクトを導入することができる。
したがって、表現された視点を評価し、知覚に忠実なシーン表現の設計を導くためには、信頼性の高い知覚品質評価(QA)が不可欠である。
既存の完全な参照QAメトリクスは、整列参照イメージを必要とするが、最近のクロスリファレンスメトリクスは、テストビューと非整列参照を比較することで、この要件を緩和する。
しかし、広線放射場設定では、特に任意の軌跡やポーズに沿ったビューを評価する場合、信頼性の高い近接参照を選択することは困難である。
そこで本研究では,画像から画像へのQAをシーン・マニフォールド・モデリングと比較する,軽量なシーン条件の客観的QA手法であるSCODAを提案する。
各シーンの高品質な観察は、深い特徴空間における多変量ガウス分布として表現され、シーン分布からの偏差を測定する意味的忠実度スコアを生成する。
弱教師付き歪み対応パッチ判別器は相補的リアリズム信号を提供し、両キューは教師なしの有界融合戦略を介して結合される。
複数のベンチマークの実験は、人的判断と強い一致を示し、GSとNeRFの生成したビューと軌跡をまたいだ堅牢な一般化を示している。
コードはhttps://gitlab.com/saeedmp/scoda.comで公開されている。
関連論文リスト
- SeqAlign3DVG: A Sequence-Aligned Benchmark and Voxel Reasoning Framework for 3D Visual Grounding [15.452474276231799]
SeqAlign3DVGは、時間順に順序付けされ、厳密な3D画像ベースの視覚的グラウンドティングに特化した新しいベンチマークである。
9,622のシングルビューと14,493のシーケンスサンプルで構成されており、豊富な記述、複雑な関係、複数インスタンスの曖昧さが特徴である。
提案手法は,Deep-freeプロトコルの下での最先端性能を実現し,複雑な関係や外観の手がかりによって定義されるターゲットの局所化を大幅に改善する。
論文 参考訳（メタデータ） (2026-08-31T08:38:29Z) - VISTAQA: Benchmarking Joint Visual Question Answering and Pixel-Level Evidence [26.0945130521806]
既存のベンチマークでは、テキストによる回答の正当性または画素レベルのローカライゼーションを分離して評価している。
本稿では,視覚的質問応答に基づく自由形式の回答正当性と画素レベルの証拠を共同評価するためのベンチマークであるVISTAQAを紹介する。
GROVEは, テキストの精度と接地品質を, サンプルごとの幾何平均で組み合わせることで, 関節の正しさを強制する指標である。
論文 参考訳（メタデータ） (2026-05-20T03:44:06Z) - PR-IQA: Partial-Reference Image Quality Assessment for Diffusion-Based Novel View Synthesis [9.367653098793296]
異なるポーズからの参照画像を用いて拡散生成ビューを評価するフレームワークを提案する。
PR-IQAは、基幹の監督なしに、完全な参照レベルの精度を達成する。
我々の品質に配慮した3DGSアプローチは、一貫性をより効果的にフィルタリングし、優れた3D再構成とNVS結果を生み出す。
論文 参考訳（メタデータ） (2026-04-06T10:17:41Z) - SpatialReward: Verifiable Spatial Reward Modeling for Fine-Grained Spatial Consistency in Text-to-Image Generation [62.55421542903781]
生成された画像の空間的レイアウトを評価するために明示的に設計された検証可能な報酬モデルである textbfSpatialReward を提案する。
安定拡散とFLUXの実験により、空間的リワードをRLトレーニングに組み込むことで、空間的一貫性と全体的な生成品質が一貫して向上することが示された。
論文 参考訳（メタデータ） (2026-03-23T17:26:35Z) - Beyond Frequency: Scoring-Driven Debiasing for Object Detection via Blueprint-Prompted Image Synthesis [97.37770785712475]
オブジェクト検出のための世代ベースデバイアスフレームワークを提案する。
提案手法は,未表現オブジェクト群の性能ギャップを著しく狭める。
論文 参考訳（メタデータ） (2025-10-21T02:19:12Z) - Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。
大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。
本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
論文 参考訳（メタデータ） (2025-10-08T10:09:47Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - Hierarchical Scoring with 3D Gaussian Splatting for Instance Image-Goal Navigation [27.040017548286812]
インスタンスイメージゴールナビゲーション(IIN)では、任意の視点から捉えた参照画像に描かれた対象物や場所を特定し、ナビゲートする必要がある。
ターゲットマッチングのための最適視点を推定する階層的スコアリングパラダイムを備えた新しいIINフレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-09T00:58:14Z) - UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。
参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。
単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
論文 参考訳（メタデータ） (2024-11-25T05:36:00Z) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z)
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。