論文の概要: TV-SGS: Gaussian Splatting with Geometric Information Propagation via Tensor Voting under sparse views
- arxiv url: http://arxiv.org/abs/2609.07734v1
- Date: Mon, 07 Sep 2026 16:40:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 21:10:04.306196
- Title: TV-SGS: Gaussian Splatting with Geometric Information Propagation via Tensor Voting under sparse views
- Title（参考訳）: TV-SGS: 疎視下でのテンソル投票による幾何学的情報伝達によるガウス的スプラッティング
- Abstract要約: 我々は、レンダリングに依存しない新しい3Dロスのクラスを導入し、文献で報告されたすべての損失と組み合わせることができる。
我々の手法は多様なバックボーンの集合と容易に統合でき、DTUとTants-and-Templesデータセットの実験では、TV-SGSがバックボーンと比較して出力の幾何性を改善することが示されている。
- 参考スコア（独自算出の注目度）: 5.274411980510585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gaussian Splatting has been effective in inferring scene representations that excel in novel view synthesis. Multiple splats cooperate seamlessly to synthesize the pixels of novel views and are jointly optimized even though they only affect each other indirectly, via pixels they project to in common. We present an approach that enables direct communication among splats to enhance the geometric structures they form in 3D. This is accomplished by Tensor Voting, which was originally designed to infer structures from noisy inputs and has been adapted here to provide supervision during test-time optimization, leading to more accurate scene geometry. We introduce a new class of 3D losses that do not rely on rendering and can be combined with essentially all losses previously reported in the literature. Our 3D losses are especially effective when the input views are sparse and geometric regularization is essential due to limited supervision from the images. Our method is easy to integrate with a diverse set of backbones, and our experiments on the DTU and Tanks-and-Temples datasets demonstrate that TV-SGS improves the geometry of the outputs compared to the backbone, while maintaining or improving rendering quality.
- Abstract（参考訳）: ガウススプラッティングは、新しい視点合成において優れたシーン表現の推測に有効である。
複数のスプラットは、新しいビューのピクセルをシームレスに合成し、互いに間接的にしか影響しないが、共通に投影されるピクセルを介して、共同で最適化される。
本研究では,スプレート間の直接通信により,それらが3次元で形成する幾何学的構造を向上する手法を提案する。
これは、もともとノイズの多い入力から構造を推測するように設計されていたTensor Votingによって実現され、テスト時間最適化中に監督を提供するためにここで適応され、より正確なシーン幾何学が導かれる。
我々は、レンダリングに依存しない新しい3Dロスのクラスを導入し、文献で報告されたすべての損失と組み合わせることができる。
入力ビューが狭く、幾何学的正規化が不可欠である場合には、画像からの監督が限られているため、我々の3次元損失は特に有効である。
我々の手法は多様なバックボーンの集合と容易に統合でき、DTUとTamples-and-Templesデータセットを用いた実験により、TV-SGSはレンダリング品質を維持・改善しつつ、バックボーンと比較して出力の形状を改善できることを示した。
関連論文リスト
- GaussVid: Sparse-View Gaussian Splatting with 3D-Aware Video Diffusion Priors [14.045684695919116]
3DGSは、合成において顕著な成功を収めたが、スパースビュー下での再構成は、しばしば顕著な成果を上げている。
本稿では,スパース3DGSの再生品質を向上させるために,新しい3D対応ビデオ復元フレームワークを提案する。
提案手法は,PSNR/SSIM(Pixel- and Structure-level fidelity)を最適に実現し,マルチビューの整合性を向上させる。
論文 参考訳（メタデータ） (2026-08-22T08:47:29Z) - Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - Geometry Gaussians: Decoupling Appearance and Geometry in Gaussian Splatting [28.891336184070223]
デフォルトの3DGSはテクスチャと幾何学を同時に表現するのに適していないことを示す。
各スプラットに1つの追加の幾何不透明度パラメータを適用することで、簡単な解を提案する。
論文 参考訳（メタデータ） (2026-06-03T17:29:36Z) - Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - MuSASplat: Efficient Sparse-View 3D Gaussian Splats via Lightweight Multi-Scale Adaptation [92.57609195819647]
MuSASplatは、ポーズなしフィードフォワード3Dガウスモデルの計算負担を劇的に削減する新しいフレームワークである。
我々のアプローチの中心は、ほんのわずかなトレーニングパラメータだけで、ViTベースのアーキテクチャを効率的に微調整できる軽量なマルチスケールアダプタである。
論文 参考訳（メタデータ） (2025-12-08T04:56:46Z) - Structural Energy-Guided Sampling for View-Consistent Text-to-3D [18.973527029488746]
テキスト・トゥ・3D生成はしばしばジャヌス問題に悩まされ、オブジェクトが他の角度から重複または歪んだ幾何学に崩壊する。
本研究では, 実時間で完全にマルチビューの整合性を実現する学習自由なプラグイン・アンド・プレイフレームワークSEGSを提案する。
論文 参考訳（メタデータ） (2025-08-23T06:26:04Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - 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) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - High-fidelity 3D GAN Inversion by Pseudo-multi-view Optimization [51.878078860524795]
フォトリアリスティック・ノベルビューを合成可能な高忠実度3次元生成対向ネットワーク(GAN)インバージョン・フレームワークを提案する。
提案手法は,1枚の画像から高忠実度3Dレンダリングを可能にし,AI生成3Dコンテンツの様々な応用に期待できる。
論文 参考訳（メタデータ） (2022-11-28T18:59:52Z)
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。