論文の概要: OceanXL: Large-scale Underwater 3D Gaussian Splatting via Block Partitioning and Adaptive Pruning
- arxiv url: http://arxiv.org/abs/2609.29985v1
- Date: Thu, 24 Sep 2026 15:35:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.060744
- Title: OceanXL: Large-scale Underwater 3D Gaussian Splatting via Block Partitioning and Adaptive Pruning
- Title（参考訳）: OceanXL: ブロック分割と適応切断による大規模水中3Dガウススプラッティング
- Abstract要約: OceanXLは、大規模水中再構築のための高速でスケーラブルな3DGSベースのフレームワークである。
本研究では, 冗長なプリミティブを除去し, コンパクトな表現を生成する, 水中条件に合わせた適応型プルーニング手法を提案する。
5つの大規模なシーンの実験では、大きなシーンのベースラインに対する優れたスケーラビリティ、コンパクト性、そして効率性のトレードオフが示されている。
- 参考スコア（独自算出の注目度）: 12.463910607302443
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Underwater 3D reconstruction is critical for marine exploration, ecological monitoring, and subsea infrastructure inspection, yet remains challenging at large scale due to light attenuation, scattering, and limited capture coverage. While 3D Gaussian Splatting (3DGS) enables high-quality real-time rendering, its application to large underwater scenes is constrained by high memory consumption and inefficient optimization over extensive areas. We propose OceanXL, a fast and scalable 3DGS-based framework for large-scale underwater reconstruction. OceanXL adopts a divide-and-conquer strategy, partitioning scenes into spatially coherent blocks to enable efficient optimization while preserving global geometric consistency. We further introduce an adaptive pruning scheme tailored to underwater conditions that removes redundant primitives, producing compact representations without sacrificing visual fidelity. Together, these components improve training efficiency and rendering performance for large scenes. We also introduce a large-scale underwater dataset covering diverse marine environments. Experiments on five large-scale scenes demonstrate favorable scalability, compactness, and efficiency--quality trade-offs over large-scene baselines. Controlled comparisons on the small-scale SeaThru-NeRF dataset further show competitive reconstruction quality with substantially smaller model sizes than underwater-specific methods.
- Abstract（参考訳）: 水中3Dの再構築は海洋探査、生態モニタリング、海底インフラ検査において重要であるが、光の減衰、散乱、限られた捕獲範囲のために大規模に困難である。
3D Gaussian Splatting (3DGS)は高品質なリアルタイムレンダリングを可能にするが、大規模な水中シーンへの適用は、広範囲にわたるメモリ消費と非効率な最適化によって制限される。
大規模水中再構築のための高速でスケーラブルな3DGSベースのフレームワークであるOceanXLを提案する。
OceanXLは分割・コンカ戦略を採用し、シーンを空間的に一貫性のあるブロックに分割し、グローバルな幾何学的整合性を維持しながら効率的な最適化を実現する。
さらに、冗長なプリミティブを除去し、視覚的忠実さを犠牲にすることなくコンパクトな表現を生成する、水中条件に合わせた適応型プルーニング方式を導入する。
これらのコンポーネントは共に、大規模なシーンのトレーニング効率とレンダリング性能を改善している。
また,海洋環境を網羅した大規模水中データセットも導入した。
5つの大規模なシーンの実験では、大きなシーンのベースラインに対する優れたスケーラビリティ、コンパクト性、そして効率性のトレードオフが示されている。
小型のSeaThru-NeRFデータセットの制御された比較では、水中固有の手法よりもかなり小さなモデルサイズで、競争力のある再現性を示している。
関連論文リスト
- AquaFlow: A Monocular Gaussian Splatting SLAM for Underwater Streaming Reconstruction [14.336895166294623]
高速かつ高忠実な水中再構成のためのストリーミング再構成フレームワークであるAquaFlowを提案する。
我々は、ロバストポーズとポイントマップ推定のための大規模水中データに基づく3次元視覚基盤モデルを微調整する。
我々は、構造化された距離条件のニューラルガウスと物理に着想を得た光学モデルを統合する、ストリーミング互換なハイブリッドシーン表現を開発する。
論文 参考訳（メタデータ） (2026-08-24T07:39:07Z) - Wat3R: Underwater 3D Geometry Learning without Annotations [58.91163632674025]
水中環境における3D形状の推定は、光の減衰、散乱、大規模で高品質な3Dアノテーションの欠如による固有の課題を示す。
本稿では,空中から水中へのフィードフォワード3D再構成モデルの適用を目的とした,クロスドメイン半教師付き学習フレームワークWat3Rを提案する。
論文 参考訳（メタデータ） (2026-07-09T17:59:58Z) - OceanSplat: Object-aware Gaussian Splatting with Trinocular View Consistency for Underwater Scene Reconstruction [4.325717217536016]
OceanSplatは、水中のシーンで3D幾何学を表現するための新しい3Dガウススプレイティングベースのアプローチである。
そこで,OceanSplatは,散乱媒体におけるシーン復元と復元の両方において,既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2026-01-08T14:38:39Z) - Expose Camouflage in the Water: Underwater Camouflaged Instance Segmentation and Dataset [76.92197418745822]
カモフラージュされたインスタンスセグメンテーション(CIS)は、周囲と密接に融合したオブジェクトを正確にセグメンテーションする際の大きな課題に直面します。
従来のカモフラージュされたインスタンスセグメンテーション法は、水中のサンプルが限られている地球上で支配的なデータセットに基づいて訓練されており、水中のシーンでは不十分な性能を示す可能性がある。
本研究は,海中カモフラージュされた海洋生物の3,953枚の画像とインスタンスレベルのアノテーションを含む,最初の水中カモフラージュされたインスタンスセグメンテーションデータセットUCIS4Kを紹介する。
論文 参考訳（メタデータ） (2025-10-20T14:34:51Z) - RUSplatting: Robust 3D Gaussian Splatting for Sparse-View Underwater Scene Reconstruction [9.070464075411472]
本稿では,水中深部レンダリングの視覚的品質と精度を両立させる,ガウススプラッティングに基づくフレームワークを提案する。
水中減衰の物理によって導かれるRGBチャネルの分離学習を提案し,より正確な色復元を実現する。
新たに収集されたデータセットであるSubmerged3Dは、特に深海環境においてキャプチャされる。
論文 参考訳（メタデータ） (2025-05-21T16:42:15Z) - TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian [6.819210285113731]
水中ガウススティング(TUGS)は、物体と水媒体の複雑な相互作用のモデリング課題を効果的に解決することができる。
水中用に設計された他のNeRFおよびGSベースの方法と比較して、TUGSは高速なレンダリング速度とメモリ使用量の削減で高品質な水中画像をレンダリングすることができる。
論文 参考訳（メタデータ） (2025-05-12T07:09:35Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - 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) - 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)
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。