論文の概要: 2D GauSS-MI: Efficient Active Scene Reconstruction with Balanced Visual and Geometric Quality

• arxiv url: http://arxiv.org/abs/2609.21516v1
• Date: Fri, 18 Sep 2026 09:07:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.941876
• Title: 2D GauSS-MI: Efficient Active Scene Reconstruction with Balanced Visual and Geometric Quality
• Title（参考訳）: 2D GauSS-MI : 視覚的および幾何学的品質のバランスが取れた効率的な能動シーン再構成
• Abstract要約: アクティブリコンストラクションは、限られた計算資源内で高品質なリコンストラクションを実現するために効率的なアクティブビュー選択を必要とする。 2次元ガウススプラッティング(2DGS)に基づくアクティブリコンストラクションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 13.795274398377897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active reconstruction requires efficient active view selection to achieve high-quality reconstruction within limited onboard computational resources. Existing methods face challenges in adequately balancing visual and geometric quality with the computational efficiency required for real-time operation. In this work, we present an active reconstruction framework based on 2D Gaussian Splatting (2DGS). We develop an efficient online 2DGS mapping pipeline for incremental RGB-D observations and introduce a probabilistic reliability model that characterizes the view-dependent reconstruction quality of individual 2D Gaussian splats. Building on this model, we formulate 2D Gaussian Splatting Shannon Mutual Information (2D GauSS-MI), a mutual-information-based metric that exploits the explicit surface orientation of 2DGS to evaluate the expected information gain of candidate views. The proposed metric enables active view selection to account for both visual and geometric reconstruction quality. We evaluate the proposed system against three state-of-the-art baselines on eight Replica scenes. Experimental results demonstrate that our method achieves a favorable balance between visual and geometric reconstruction quality with substantially lower computational cost and competitive model storage.
• Abstract（参考訳）: アクティブリコンストラクションは、限られた計算資源内で高品質なリコンストラクションを実現するために効率的なアクティブビュー選択を必要とする。 既存の手法では、視覚的および幾何学的品質とリアルタイム操作に必要な計算効率を適切にバランスさせることが困難である。 本研究では,2次元ガウススプラッティング (2DGS) に基づくアクティブ・リコンストラクション・フレームワークを提案する。 本研究では,RGB-D観測のための効率的なオンライン2DGSマッピングパイプラインを開発し,個々の2Dガウスプレートのビュー依存再構成品質を特徴付ける確率的信頼性モデルを提案する。 このモデルに基づいて、2DGSの明示的な表面配向を利用した2D Gaussian Splatting Shannon Mutual Information (2D GauSS-MI)を定式化し、候補ビューの期待情報ゲインを評価する。 提案手法により,視覚的および幾何学的再現性の両方を考慮したアクティブビュー選択が可能となる。 本研究では,8つのReplicaシーンにおける3つの最先端ベースラインに対して提案システムを評価する。 実験結果から,視覚的・幾何学的復元品質と,計算コストと競合するモデル記憶量とのバランスが良好であることが確認された。

関連論文リスト

• SatSurfGS: Generalizable 2D Gaussian Splatting for Sparse-View Satellite Surface Reconstruction [28.052416644147044]
  2DGSに基づく衛星画像のスパース面再構成法であるSatSurfGSを提案する。 提案手法は粗大なガウス属性予測フレームワークを構築し,局所的な幾何学的信頼性を3つのレベルで明確にモデル化する。 衛星データセットを用いた実験により,提案手法はレンダリング品質,表面再構成精度,クロスデータセットの一般化,推論効率の向上を実現している。
  論文  参考訳（メタデータ） (2026-05-08T03:19:32Z)
• LSRM: High-Fidelity Object-Centric Reconstruction via Scaled Context Windows [10.300202521638274]
  本研究では,大規模スパース再構成モデルを導入し,拡張型コンテクストウィンドウがフィードフォワード3D再構成に与える影響について検討する。 アクティブなオブジェクトや画像トークンの数を大幅に増やすことで、コンテキストウィンドウを拡大することで、このギャップを著しく狭め、高忠実度な3Dオブジェクト再構成と逆レンダリングを可能にします。
  論文  参考訳（メタデータ） (2026-04-06T21:21:12Z)
• GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
  2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。 提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-10-16T03:38:26Z)
• GS-2M: Gaussian Splatting for Joint Mesh Reconstruction and Material Decomposition [0.0]
  3次元ガウススプラッティングに基づくマルチビュー画像からのメッシュ再構成と材料分解のための統一解を提案する。 以前の作業はこれらのタスクを別々に処理し、非常に反射的な表面を再構築するのに苦労した。 提案手法は, この2つの問題に対して, 描画深度と正規度に関する属性を協調的に最適化することによって対処する。
  論文  参考訳（メタデータ） (2025-09-26T12:43:33Z)
• GauSS-MI: Gaussian Splatting Shannon Mutual Information for Active 3D Reconstruction [18.528424809910884]
  本研究は,リアルタイムなアクティブビュー選択と,アクティブな3次元再構成のための視覚的品質に関する不確実性定量化の課題に取り組む。 ニューラルレイディアンスフィールド(NeRF)や3Dガウススプラッティング(3DGS)などの最近の進歩は、再構成モデルの画像レンダリング品質を著しく向上させてきた。
  論文  参考訳（メタデータ） (2025-04-29T13:47:14Z)
• Evolving High-Quality Rendering and Reconstruction in a Unified Framework with Contribution-Adaptive Regularization [27.509109317973817]
  3D Gaussian Splatting (3DGS)は、高品質なレンダリングと高速な推論速度で注目されている。 従来の手法は主に幾何学的正則化に焦点を当てており、プリミティブベースのフレームワークやデュアルモデルフレームワークを含む一般的なアプローチがある。 本稿では,高画質表面再構成を実現するために,適応正規化を利用した統一モデルであるCarGSを提案する。
  論文  参考訳（メタデータ） (2025-03-02T12:51:38Z)
• DeSiRe-GS: 4D Street Gaussians for Static-Dynamic Decomposition and Surface Reconstruction for Urban Driving Scenes [71.61083731844282]
  本稿では,自己教師型ガウススプラッティング表現であるDeSiRe-GSについて述べる。 複雑な駆動シナリオにおいて、効率的な静的・動的分解と高忠実な表面再構成を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T05:49:16Z)
• NeurAR: Neural Uncertainty for Autonomous 3D Reconstruction [64.36535692191343]
  暗黙の神経表現はオフラインの3D再構成において魅力的な結果を示しており、オンラインSLAMシステムの可能性も最近示している。 本論文は,1)新しい表現に基づく視点計画の質を評価するための基準を求めること,2)手作りではなく,異なる場面に一般化可能なデータから基準を学習すること,の2つの課題に対処する。 本手法は, TSDFを用いた変形モデルやビュープランニングなしでの再構成モデルと比較した場合, レンダリングされた画像品質と再構成された3次元モデルの幾何学的品質について, 様々な指標について有意な改善を示す。
  論文  参考訳（メタデータ） (2022-07-22T10:05:36Z)

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。