論文の概要: ChronoFuseGS: Multi-Temporal Gaussian Fusion with Per-Splat Persistence and Change Visualization

• arxiv url: http://arxiv.org/abs/2609.31339v1
• Date: Fri, 25 Sep 2026 14:43:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.44244
• Title: ChronoFuseGS: Multi-Temporal Gaussian Fusion with Per-Splat Persistence and Change Visualization
• Title（参考訳）: ChronoFuseGS:Splat Per-Splat Persistenceと変化の可視化によるマルチテンポラルガウス核融合
• Abstract要約: シーン再構築のための多時間ガウス撮影手法であるChronoFuseGSを提案する。 ガウシアンを1つの時間段階から他の時間段階の復元に貢献させることで、得られたすべての時間段階にまたがるデータを活用し、シーンの永続的な部分を洗練する。 ユーザが定義した時間選択で変化したシーンの一部をハイライトする、変更対応の可視化手法を提案する。
• 参考スコア（独自算出の注目度）: 2.0299248281970956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reconstructing environments where parts of the scene change between captured image sets poses a challenge for 3D scene reconstruction. We present ChronoFuseGS, a multi-temporal Gaussian Splatting approach that addresses this issue by taking multiple separately trained Gaussian Splatting models, each representing a distinct timestep and partially overlapping in geographic coverage, and merging them into a single combined model. By allowing Gaussians from one timestep to contribute to the reconstruction at other timesteps, our approach leverages data across all captured timesteps to refine persistent parts of the scene. The model supports incremental extension, allowing new timesteps to be added while preserving the existing merged reconstruction. It encodes, for each Gaussian primitive, at which timesteps it contributes to the reconstruction. To support visual exploration of the reconstructed scene, we present a change-aware visualization approach that highlights the parts of the scene that have changed across a user-defined time selection, while preserving the color of persistent parts. Since the persistence encoding operates at the Gaussian primitive level, changes are visualized at sub-object granularity rather than being limited to object-level changes. We evaluate our approach on a real-world outdoor dataset of a flood management area, captured over 7 months across eight recording days and covering seasonal vegetation changes, snow cover, and flooding events, which we make publicly available. Our results demonstrate that the combined model consistently outperforms individually trained single-timestep models in novel-view synthesis quality, recovers structural details absent in the individual reconstructions, and reliably highlights changes in fine details and sub-parts of objects and natural structures.
• Abstract（参考訳）: キャプチャされた画像セット間でシーンの一部が変化する環境の再構築は、3Dシーンの再構築に挑戦する。 我々は,複数の個別に訓練されたガウススプラッティングモデルを用いて,複数の時間的ガウススプラッティング手法ChronoFuseGSを提案し,それぞれが異なる時間ステップを示し,地理的範囲で部分的に重複し,それらを1つの組み合わせモデルにマージすることでこの問題に対処する。 ガウシアンを1つの時間段階から他の時間段階の復元に貢献させることで、得られたすべての時間段階にまたがるデータを活用し、シーンの永続的な部分を洗練する。 モデルはインクリメンタルな拡張をサポートし、既存のマージされた再構築を維持しながら、新しいタイムステップを追加できる。 ガウスのプリミティブごとにエンコードされ、その時点で再建に寄与する。 再構成されたシーンの視覚的な探索を支援するため,ユーザ定義の時間選択で変化したシーンの部分を,永続的な部分の色を保ちながら強調する,変更対応の可視化手法を提案する。 永続エンコーディングはガウス原始レベルで動作するため、オブジェクトレベルの変更に制限されるのではなく、サブオブジェクトの粒度で変更を可視化する。 我々は,8日間にわたって7ヶ月以上にわたって記録され,季節的植生の変化,積雪,洪水イベントを網羅する,洪水管理区域の実際の屋外データセットに対するアプローチを評価した。 これらの結果から, 複合モデルは新規合成品質において, 個別に訓練した単段階モデルより一貫して優れ, 個々の再構成に欠如した構造的詳細を復元し, オブジェクトや自然構造の細部やサブ部分の変化を確実に強調することを示した。

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)
• Scene Grounding In the Wild [27.597534811067348]
  大規模な現実世界のシーンの正確な3Dモデルを、非構造的で、その中の画像から再構築することは、コンピュータビジョンにおける重要な課題である。 シーンの完全な参照モデルに各部分再構成を基礎とするフレームワークを提案する。 従来のパイプラインや学習ベースのパイプラインでは,我々のアプローチが一貫してグローバルアライメントを改善することを示す。
  論文  参考訳（メタデータ） (2026-03-27T16:41:20Z)
• VIRGi: View-dependent Instant Recoloring of 3D Gaussians Splats [53.602701067430075]
  3DGSでモデル化されたシーンの色を高速に編集する新しいアプローチであるVIRGiを紹介する。 1人のユーザーの重みを微調整することで、色編集はシーン全体にわずか2秒でシームレスに伝達される。 多様なデータセットに対する徹底的な検証は、競合相手に対する有意義な量的および質的な進歩を示している。
  論文  参考訳（メタデータ） (2026-03-03T13:41:17Z)
• Long-Term Multi-Session 3D Reconstruction Under Substantial Appearance Change [52.46888249268445]
  長期の環境モニタリングには、数ヶ月または数年ごとに分割された繰り返しサイト訪問で3Dモデルを再構築し調整する機能が必要である。 既存のアプローチは、独立して再構築されたセッションのポストホックアライメントに依存している。 我々は,共同SfM再建において,クロスセッション対応を直接実施することを提案する。
  論文  参考訳（メタデータ） (2026-02-24T06:12:51Z)
• ChronoGS: Disentangling Invariants and Changes in Multi-Period Scenes [21.94404265718666]
  時間的に変調されたガウス表現であるクロノGSを導入し、アンカー足場内の全ての周期を再構築する。 ChronoGSは、再構築品質と時間的一貫性において、ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2025-11-24T05:55:33Z)
• LTGS: Long-Term Gaussian Scene Chronology From Sparse View Updates [20.57134931668659]
  スパースビュー更新からの長期ガウスシーン時間について提案する。 我々は急激な動きと微妙な環境変動にもかかわらず、シーンの長期の時系列を強くモデル化する。 私たちのフレームワークは、単純な変換を通じて、複数の時間ステップで一般化できます。
  論文  参考訳（メタデータ） (2025-10-10T21:36:49Z)
• HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
  本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。 提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。 その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
  論文  参考訳（メタデータ） (2025-06-24T03:54:40Z)
• FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
  FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。 我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。 いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-05T17:59:57Z)
• Living Scenes: Multi-object Relocalization and Reconstruction in Changing 3D Environments [20.890476387720483]
  MoREは進化する環境における多目的再局在と再構成のための新しいアプローチである。 これらの環境を「生きたシーン」とみなし、異なる時点のスキャンをオブジェクトインスタンスの3次元再構成に変換する問題について考察する。
  論文  参考訳（メタデータ） (2023-12-14T17:09:57Z)
• Neural Scene Chronology [79.51094408119148]
  我々は、視点、照明、時間の独立した制御で写真リアルなレンダリングをレンダリングできる、時間変化の3Dモデルを再構築することを目指している。 本研究では,画像ごとの照明を埋め込んだ時空間放射場として,時間的に変化するシーン変化を学習ステップ関数のセットを用いて符号化する。
  論文  参考訳（メタデータ） (2023-06-13T17:59:58Z)

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。