論文の概要: VDGS: Visibility-Driven Large-Scale 3D Gaussian Splatting for Aerial Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2609.23049v1
• Date: Sat, 19 Sep 2026 14:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.656718
• Title: VDGS: Visibility-Driven Large-Scale 3D Gaussian Splatting for Aerial Scene Reconstruction
• Title（参考訳）: VDGS:航空シーン再構築のための視認性駆動型大規模3次元ガウススプラッティング
• Abstract要約: 3D Gaussian Splatting (3DGS) は視覚的品質と計算効率の両方において顕著な優位性を示した。 シーンモデリングにカメラ分布を組み込んだ新しい3DGSフレームワークであるVDGSを提案する。 VDGSは、より均一なビュー分布を持つシナリオにおいて、競争性能を維持しながら、既存の手法を一貫して上回っている。
• 参考スコア（独自算出の注目度）: 12.753587925397744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale scene reconstruction is a critical foundational technology in robotic autonomous systems such as 3D mapping and autonomous driving. In recent years, 3D Gaussian Splatting (3DGS) has demonstrated remarkable advantages in both visual quality and computational efficiency, making it a promising representation for large-scale scene reconstruction. However, it still faces challenges in large-scale scenes, including excessive memory consumption and uneven viewpoint coverage caused by UAV acquisition, limiting its real-world applications. To address this, we propose VDGS, a novel 3DGS framework that incorporates camera distribution into scene modeling. VDGS introduces visibility-driven statistics for scene anchors to quantify supervision strength. These statistics are further leveraged for scene partitioning and for gradient compensation in under-optimized regions, thereby promoting balanced optimization across different regions. Extensive experiments on multiple large-scale aerial scene datasets demonstrate that, under imbalanced viewpoint distributions, VDGS consistently outperforms existing methods, while maintaining competitive performance in scenarios with more uniform view distributions.
• Abstract（参考訳）: 大規模なシーン再構築は、3Dマッピングや自律運転といったロボット自律システムにおいて重要な基礎技術である。 近年, 3D Gaussian Splatting (3DGS) は視覚的品質と計算効率の両面で顕著な優位性を示しており, 大規模なシーン再構築に有望な表現となっている。 しかし、大規模なシーンでは、過剰なメモリ消費や、UAVの買収によって引き起こされる不均一な視点のカバレッジといった課題に直面しており、実際の応用は制限されている。 そこで本研究では,シーンモデリングにカメラ分布を組み込んだ新しい3DGSフレームワークであるVDGSを提案する。 VDGSは、監視強度を定量化するためにシーンアンカーの可視性駆動統計を導入している。 これらの統計は、シーン分割や未最適化領域の勾配補正にさらに活用され、異なる領域間のバランスの取れた最適化が促進される。 複数の大規模空シーンデータセットに対する大規模な実験により、不均衡な視点分布の下では、VDGSは既存の手法よりも一貫して優れ、より均一な視点分布を持つシナリオでの競争性能を維持していることが示された。

関連論文リスト

• GS$^{2}$CI: Robust Gaussian Splatting For Snapshot Compressive Imaging via Large Vision Model Priors [11.431101404661595]
  本研究では,1枚のスナップショット圧縮画像計測から高品質な3Dシーンを再構成する新しいフレームワークを提案する。 提案手法は,最強の総合的な性能を達成し,先行する再構成品質と頑健さを,視点変動と競合する計算効率とを組み合わせて実現した。
  論文  参考訳（メタデータ） (2026-08-13T17:29:53Z)
• LSGS-Loc: Towards Robust 3DGS-Based Visual Localization for Large-Scale UAV Scenarios [11.19077809901781]
  大規模な3DGSシーンに適した新しい視覚的位置決めパイプラインLSGS-Locを提案する。 本手法は,非順序画像クエリに対する最先端の精度とロバスト性を実現し,既存の3DGS手法よりもはるかに優れている。
  論文  参考訳（メタデータ） (2026-04-07T03:53:18Z)
• DGS-LRM: Real-Time Deformable 3D Gaussian Reconstruction From Monocular Videos [52.46386528202226]
  Deformable Gaussian Splats Large Reconstruction Model (DGS-LRM)を紹介する。 動的シーンのモノクロポーズビデオから変形可能な3Dガウススプラットを予測する最初のフィードフォワード法である。 最先端のモノクロビデオ3D追跡手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2025-06-11T17:59:58Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• S3R-GS: Streamlining the Pipeline for Large-Scale Street Scene Reconstruction [58.37746062258149]
  3D Gaussian Splatting(3DGS)は、3D再構成の分野を変え、素晴らしいレンダリング品質とスピードを実現した。 既存の手法では、シーンサイズが大きくなるにつれて、ビューポイント当たりの再生コストが急速に増大する。 大規模なストリートシーン再構築のためのパイプラインをストリーム化する3DGSフレームワークであるS3R-GSを提案する。
  論文  参考訳（メタデータ） (2025-03-11T09:37:13Z)
• Radiant: Large-scale 3D Gaussian Rendering based on Hierarchical Framework [13.583584930991847]
  大規模シーン再構成のための階層型3DGSアルゴリズムであるRadiantを提案する。 Radiantは、リビルド品質を最大25.7%改善し、エンドツーエンドのレイテンシを79.6%削減した。
  論文  参考訳（メタデータ） (2024-12-07T05:48:00Z)
• SplatFields: Neural Gaussian Splats for Sparse 3D and 4D Reconstruction [24.33543853742041]
  3Dガウススティング(3DGS)は実用的でスケーラブルな再構築手法として登場した。 暗黙的ニューラルネットワークの出力としてモデル化することで,スプレート特徴を効果的に正規化する最適化手法を提案する。 当社のアプローチは,異なるセットアップやシーンの複雑さをまたいだ広範なテストによって実証されるような,静的および動的ケースを効果的に処理する。
  論文  参考訳（メタデータ） (2024-09-17T14:04:20Z)
• Optimizing 3D Gaussian Splatting for Sparse Viewpoint Scene Reconstruction [11.840097269724792]
  3D Gaussian Splatting (3DGS)は3Dシーン表現の有望なアプローチとして登場し、Neural Radiance Fields (NeRF)と比較して計算オーバーヘッドの低減を実現している。 SVS-GSは,3次元ガウス平滑化フィルタを統合して人工物を抑制する,スパースビューポイントシーン再構築のための新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-09-05T03:18:04Z)
• 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)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
  最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。 局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。 提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T17:58:57Z)

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。