論文の概要: From Mono to Stereo: Accelerating Binocular Gaussian Splatting via Reprojection and Selective Patching

• arxiv url: http://arxiv.org/abs/2609.30741v1
• Date: Fri, 25 Sep 2026 03:11:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.198677
• Title: From Mono to Stereo: Accelerating Binocular Gaussian Splatting via Reprojection and Selective Patching
• Title（参考訳）: Mono から Stereo へ:再投射と選択的パッチによる両眼ガウス投射の加速
• Abstract要約: 本稿では、支配的なRGB画像とアルファ重み付き深度プロキシを描画し、その画像を関連眼に再投影し、未発見ピクセルを修復する2DGSパイプラインを提案する。 DTUタンクとテンプルとMipNeRF-360では、シーケンシャルな2パスの双眼鏡参照の計測時間を15.5%から28.8%、ピークのGPUメモリを6%から11%削減する。
• 参考スコア（独自算出の注目度）: 1.9773684168239962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Binocular rendering requires two nearby views of the same scene and therefore repeats substantial visibility and shading work. We present a 2D Gaussian Splatting (2DGS) pipeline that fully renders a dominant-eye RGB image and an alpha-weighted depth proxy, reprojects that image to the affiliated eye, and repairs uncovered pixels. Small interior gaps are interpolated, whereas larger disoccluded regions are identified as regions of interest (ROIs) and selectively re-rendered. The depth proxy reuses the alpha-blending weights computed during dominant-eye rasterization, avoiding a separate depth-rendering pass. An adaptive ROI generator localizes the required updates using reprojected image boundaries and optional connected center-hole detection. On DTU, Tanks and Temples, and MipNeRF-360, the method reduces the measured time of a sequential two-pass binocular reference by 15.5\% to 28.8\% and peak GPU memory by 6\% to 11\%. The corresponding affiliated-eye quality degradation is at most 1.3 dB PSNR, 0.02 SSIM, and 0.02 LPIPS, representing a measurable trade-off that requires application-specific perceptual validation. These results establish a practical efficiency-quality trade-off for controlled static-scene stereo rendering and motivate future evaluation under continuous motion and on physical VR hardware.
• Abstract（参考訳）: 両眼のレンダリングには、同じシーンの2つの近くのビューが必要であるため、かなりの視認性と陰影の作業が繰り返される。 本稿では,2次元ガウススプラッティング (2DGS) パイプラインを提案する。このパイプラインは,支配眼RGB画像とアルファ重み付き深度プロキシをフルレンダリングし,その画像を関連眼に再投影し,未発見画素を修復する。 内部の小さな隙間は補間されるが、より大きな非閉塞領域は興味のある領域(ROI)として特定され、選択的に再レンダリングされる。 ディーププロキシは、支配眼ラスタ化時に計算されるアルファブロードウェイトを再利用し、個別のディープレンダリングパスを回避する。 アダプティブROIジェネレータは、再投影された画像境界とオプションで接続されたセンターホール検出を使用して、必要な更新をローカライズする。 DTU、タンク・アンド・テンプル、MipNeRF-360では、シーケンシャルな2パス双眼鏡基準の測定時間を15.5\%から28.8\%に、ピークGPUメモリを6\%から11\%に短縮する。 対応する伴眼品質劣化は、少なくとも1.3dB PSNR、0.02SSIM、0.02LPIPSであり、アプリケーション固有の知覚的検証を必要とする測定可能なトレードオフを表している。 これらの結果は、制御された静的シーンステレオレンダリングのための実用的な効率品質トレードオフを確立し、連続運動および物理VRハードウェア上での将来の評価を動機付けている。

関連論文リスト

• GenRec: Knowing Where to Reconstruct and Where to Generate [106.48347271421765]
  GenRecは、再構築世代をそのアーキテクチャ、監督、勾配フローに直接分割するフローマッチングモデルである。 観察された領域で最高の復元忠実度を達成し、また、観測されていない領域では、知覚的品質の純粋に生成的ベースラインを超越する。
  論文  参考訳（メタデータ） (2026-08-18T14:31:19Z)
• Reliability-Aware Monocular Depth Supervision for Sparse-View Neural Reconstruction [0.0]
  狭い前方の路面に沿ってカメラが移動する屋外運転シーンでは、スパースビューのニューラルリコンストラクションは困難である。 単分子深度推定器は、密集した幾何学的先行情報を提供することができるが、それらの予測はノイズが多く、画像領域にわたって一様に信頼性がない。 我々はDepth Anything V2をより密集した単分子深度として使用し、その予測をスケールシフトフィッティングを用いてメートル法深度に整列し、光度マスクを介して選択的に深度監視を行う。
  論文  参考訳（メタデータ） (2026-06-27T07:39:22Z)
• DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization [17.91043282211744]
  3D Gaussian Splatting (3DGS)は、リアルタイム高忠実なレンダリングによる日常画像からの効率的な3Dシーン再構築を実現している。 より広い視野(FOV)を持つ魚眼カメラは、少ない入力から高品質な再構築を約束する。
  論文  参考訳（メタデータ） (2026-04-01T09:00:04Z)
• Anti-Aliased 2D Gaussian Splatting [16.042394978941516]
  2次元ガウススティング(2DGS)は、新しいビュー合成と表面再構成のための有望な方法として登場した。 2DGSは、トレーニング中に使用するものと異なるサンプリングレートでレンダリングする際に、重いエイリアシングアーティファクトに悩まされる。 AA-2DGSは2次元ガウススプラッティングのアンチエイリアス化された定式化であり、その幾何学的利点を維持しつつ、異なるスケールでのレンダリング品質を著しく向上させる。
  論文  参考訳（メタデータ） (2025-06-12T19:49:57Z)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• 360FusionNeRF: Panoramic Neural Radiance Fields with Joint Guidance [6.528382036284374]
  ニューラル放射場(NeRF)に基づくパノラマ画像から360円の新規なビューを合成する方法を提案する。 トレーニングプロセスの指導に幾何学的監督と意味的整合性を導入するための半教師付き学習フレームワークである360FusionNeRFを提案する。
  論文  参考訳（メタデータ） (2022-09-28T17:30:53Z)
• DevNet: Self-supervised Monocular Depth Learning via Density Volume Construction [51.96971077984869]
  単眼画像からの自己教師付き深度学習は、通常、時間的に隣接する画像フレーム間の2Dピクセル単位の光度関係に依存する。 本研究は, 自己教師型単眼深度学習フレームワークであるDevNetを提案する。
  論文  参考訳（メタデータ） (2022-09-14T00:08:44Z)
• 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。