論文の概要: VoxelTTO: Voxel-Aligned Feed-Forward 3D Gaussian Splatting with Test-Time Optimization

• arxiv url: http://arxiv.org/abs/2609.21498v1
• Date: Fri, 18 Sep 2026 08:48:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.937206
• Title: VoxelTTO: Voxel-Aligned Feed-Forward 3D Gaussian Splatting with Test-Time Optimization
• Title（参考訳）: VoxelTTO:テスト時間最適化によるVoxel-Aligned Feed-Forward 3D Gaussian Splatting
• Abstract要約: VoxelTTOは任意の数の画像とオプションのカメラパラメータから3DGSシーンを再構築するためのフィードフォワードフレームワークである。 画像特徴をグローバルなボクセル表現に集約し、ガウシアンをボクセル特徴から復号し、ピクセル対ガウシアン対応を破る。
• 参考スコア（独自算出の注目度）: 0.315348912304067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent feed-forward 3D Gaussian Splatting (3DGS) methods typically regress pixel-aligned Gaussian primitives, often causing excessive overlap and artifacts, while inaccuracies in predicted camera poses can lead to misalignment in novel-view synthesis (NVS). We present VoxelTTO, a feed-forward framework for reconstructing geometrically accurate 3DGS scenes from an arbitrary number of images and optional camera parameters. VoxelTTO aggregates dense image features into a global voxel representation and decodes Gaussians from voxel features, breaking the pixel-to-Gaussian correspondence. To exploit known camera parameters while keeping the pretrained visual foundation model (VFM) parameters frozen, we introduce test-time optimization (TTO) that adapts lightweight LoRA modules using pose supervision. We further replace vanilla 3DGS rasterization with stochastic solid volume rendering during training and inference, improving geometric fidelity. Training updates only the voxel-aligned Gaussian reconstruction modules, requiring 80 GPU hours. Experiments on Replica, Tanks and Temples, and DTU demonstrate improved RGB-D NVS and camera-pose estimation relative to prior methods.
• Abstract（参考訳）: 最近のフィードフォワード3Dガウススプラッティング(3DGS)法は、通常ピクセル整列ガウスプリミティブを遅らせ、しばしば過剰なオーバーラップやアーティファクトを引き起こすが、予測されたカメラポーズの不正確さは、ノベルビュー合成(NVS)の誤った調整につながる。 任意の画像と任意のカメラパラメータから幾何学的に正確な3DGSシーンを再構成するためのフィードフォワードフレームワークであるVoxelTTOを提案する。 VoxelTTOは、密度の高い画像の特徴をグローバルなボクセル表現に集約し、ガウシアンをボクセル特徴から復号し、ピクセル対ガウシアン対応を破る。 予め訓練された視覚基盤モデル(VFM)パラメータを凍結させながら、既知のカメラパラメータを活用するために、ポーズ監視を用いて軽量なLORAモジュールに適応するテスト時間最適化(TTO)を導入する。 さらに,バニラ3DGSラスタライゼーションを,トレーニングおよび推論中の確率的ソリッドボリュームレンダリングに置き換え,幾何学的忠実度を向上させた。 トレーニングアップデートは、80GPU時間を要する、ボクセル対応のガウシアン再構築モジュールのみである。 Replica, Tanks and Temples, DTU の実験では,RGB-D NVS とカメラ位置推定を従来法と比較して改善した。

関連論文リスト

• $\text{VG}^2$GT: Voxel-Gaussian Splatting Visual Geometry Grounded Transformer [6.390470514442811]
  $textVG2$GTはVoxel-Gaussian Splatting Visual Geometry-Grounded Transformerである。 $textVG2$GTは、広く使われているDTU、Replica、TAT、ScanNetデータセットの現在の最先端メソッドより優れている。
  論文  参考訳（メタデータ） (2026-06-01T02:21:28Z)
• 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)
• Visual SLAM with 3D Gaussian Primitives and Depth Priors Enabling Novel View Synthesis [11.236094544193605]
  従来の幾何学に基づくSLAMシステムは、密度の高い3D再構成機能を持たない。 本稿では,新しいビュー合成技術である3次元ガウススプラッティングを組み込んだリアルタイムRGB-D SLAMシステムを提案する。
  論文  参考訳（メタデータ） (2024-08-10T21:23:08Z)
• 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)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)

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。