論文の概要: RouteBridge: Reliability-Routed Bidirectional Distillation Between Neural Radiance Fields and 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2609.09606v1
- Date: Wed, 09 Sep 2026 02:00:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.86753
- Title: RouteBridge: Reliability-Routed Bidirectional Distillation Between Neural Radiance Fields and 3D Gaussian Splatting
- Title（参考訳）: RouteBridge: ニューラルネットワークと3次元ガウススプレイティングの信頼性-二方向蒸留
- Abstract要約: ニューラル放射場(NeRF)と3次元ガウス散乱(3DGS)は、相補的誘導バイアスを伴うシーンを符号化する。
我々は、各光線に対する教示方向を選択する双方向フレームワークであるRouteBridgeを提案する。
- 参考スコア（独自算出の注目度）: 4.371487124674668
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Neural radiance fields (NeRFs) and 3D Gaussian Splatting (3DGS) encode a scene with complementary inductive biases, but existing cross-representation distillation typically fixes one representation as teacher for the entire scene. A globally fixed teacher can propagate local reconstruction errors. We present RouteBridge, a bidirectional framework that selects the teaching direction for each ray. Its reliability estimator combines photometric residuals with representation-specific geometric evidence and routes supervision from NeRF to 3DGS, from 3DGS to NeRF, or abstains. A renderer-independent interface transfers color, opacity, and normalized depth without shared features or point correspondence. On mip-NeRF 360, the NeRF and 3DGS exports reach 28.56 and 28.77 dB, respectively. The 3DGS export improves over 3DGS by 1.56 dB and over NeRF-GS by 0.45 dB while reducing LPIPS to 0.207. On static three-view DTU, RouteBridge obtains 21.12 dB. Ablations show that both adaptive routing and geometric ray targets contribute to the improvement.
- Abstract（参考訳）: ニューラルレイディアンス場(NeRF)と3Dガウススプラッティング(3DGS)は相補的帰納バイアスを持つシーンを符号化するが、既存のクロス表現蒸留は、通常、シーン全体の教師としての表現を固定する。
グローバルに固定された教師は、局所的な再構成エラーを伝播することができる。
我々は、各光線に対する教示方向を選択する双方向フレームワークであるRouteBridgeを提案する。
その信頼性推定器は、光学的残留物と表現特異的な幾何学的証拠とを結合し、3DGSから3DGSへのルートの監督を行う。
レンダラー非依存のインタフェースは、色、不透明度、正規化深度を共有特徴や点対応なしに転送する。
mip-NeRF 360では、NeRFと3DGSの輸出がそれぞれ28.56dBと28.77dBに達する。
3DGSの輸出は3DGSを1.56dB、NeRF-GSを0.45dB、LPIPSを0.207に削減した。
静的3次元DTUでは、RouteBridgeは21.12dBを得る。
アブレーションは、適応的なルーティングと幾何的レイターゲットの両方が改善に寄与していることを示している。
関連論文リスト
- 3D Point Splatting for mmWave Radar Novel View Synthesis [18.777328493392762]
ミリ波(mmWave)レーダーのための新しいビュー合成(NVS)には、物理的に忠実で、複雑で、多視点抽出が可能な計算が必要である。
この3つの特性を同時に達成する事前の方法は存在しない。
微分可能なモンテカルロ線トレーサは、明示的な物質モデリングと複雑な出力でレーダーフォワードモデルを直接実装する。
本稿では,レーダの標準固体角形状から直接導出した,レーダの最初の微分可能点である3Dポイントスプラッティングを提案する。
論文 参考訳（メタデータ） (2026-09-10T17:52:17Z) - Sculpting NeRF Geometry: Human-Preference Fine-Tuning of a 3D-Aware Face GAN [54.41783983744393]
学習報酬から直接、事前学習した3D認識生成モデルを微調整する。
このモデルは事前訓練を必要とせず、小さな好みのサンプルで容易に訓練し、3次元幾何学において堅牢な改善をもたらす。
密度一貫性制約は、2次元の外観を定性的に類似させ、幾何が再形成され、測定可能だが有界な分布コストで保持する。
論文 参考訳（メタデータ） (2026-06-25T17:26:06Z) - LEGS: Laplacian-Enhanced Gaussian Splatting with a Nonlinear Weighted Loss [1.3839838362844084]
LEGSは、非線形重み付き損失を有するラプラシアン強化ガウスめっき法である。
LEGSは3DGSで最大1.68dB,EGGSで最大0.52dBのピーク信号対雑音比(PSNR)を改善した。
論文 参考訳（メタデータ） (2026-06-06T01:50:14Z) - KC-3DGS: Kurtosis-Constrained Gaussian Splatting for High-Fidelity View Synthesis [28.10448224660243]
3D Gaussian Splatting(3DGS)は、シーンを差別化によって最適化された異方性ガウスのコレクションとして表現することで、リアルタイムなノベルビュー合成を可能にする。
標準画素空間損失(L1, SSIM)は、再構成エラーのみを集約し、周波数スケールでエラーを再分配する最適化を可能にする。
我々は,自然画像統計に基づくウェーブレットドメインによる3DGSトレーニングを強化するKC-3DGSを提案する。
論文 参考訳（メタデータ） (2026-06-02T04:04:24Z) - Stochastic Ray Tracing for the Reconstruction of 3D Gaussian Splatting [13.614076961940647]
レイトレーシング3DGSの識別可能なソートフリーな定式化について述べる。
標準的な3DGSでは,ソートに基づく3DGSの再現品質と高速化が一致している。
3DGSでは、同じ推定器が、完全に光線を照射したシャドウ線で、ガウスあたりのシェーディングを駆動する。
論文 参考訳（メタデータ） (2026-03-24T18:23:12Z) - SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。
明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。
実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2026-03-22T03:56:58Z) - L3DR: 3D-aware LiDAR Diffusion and Rectification [85.5914944339043]
レンジビュー(RV)に基づくLiDAR拡散は、最近2Dフォトリアリズムに向けて大きな進歩を遂げた。
しかし、3次元幾何学的リアリズムを無視し、深部出血や波状表面といった様々なRVアーティファクトをしばしば生成する。
我々は,3次元空間におけるRVアーティファクトの回帰とキャンセルが可能な,L3DRを3D対応のLiDAR拡散・整流フレームワークとして設計する。
論文 参考訳（メタデータ） (2026-02-22T06:31:58Z) - Unlocking Zero-shot Potential of Semi-dense Image Matching via Gaussian Splatting [20.039403558110354]
MatchGSは、3DGSを堅牢でゼロショットの画像マッチングに活用するためのフレームワークである。
提案手法は,(1)高精度な対応ラベルを生成するために3DGS形状を改良する幾何学的に忠実なデータ生成パイプライン,(2)3DGSの明示的な3D知識を2Dマーカに注入する2D-3D表現アライメント戦略である。
生成した地中構造対応は,既存のデータセットに比べて最大40倍の誤差を減少させる。
論文 参考訳（メタデータ） (2025-11-26T10:43:21Z) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z) - Mesh2NeRF: Direct Mesh Supervision for Neural Radiance Field Representation and Generation [51.346733271166926]
Mesh2NeRFは、3次元生成タスクのためのテクスチャメッシュから地上構造放射場を導出するアプローチである。
各種タスクにおけるMesh2NeRFの有効性を検証する。
論文 参考訳（メタデータ） (2024-03-28T11:22:53Z) - LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。
ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。
LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
論文 参考訳（メタデータ） (2023-11-28T21:39:20Z) - Is Attention All NeRF Needs? [103.51023982774599]
Generalizable NeRF Transformer (GNT) は、ソースビューから高速にNeRF(Neural Radiance Fields)を効率的に再構築する、純粋で統一されたトランスフォーマーベースのアーキテクチャである。
GNTは、2つのトランスフォーマーベースのステージをカプセル化することにより、一般化可能なニューラルシーン表現とレンダリングを実現する。
論文 参考訳（メタデータ） (2022-07-27T05:09:54Z)
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。