論文の概要: AGILE-GS: Anchor-Guided Fast Next-Best-View Selection for Active 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2609.34176v1
- Date: Mon, 28 Sep 2026 02:53:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 06:11:48.426166
- Title: AGILE-GS: Anchor-Guided Fast Next-Best-View Selection for Active 3D Gaussian Splatting
- Title（参考訳）: AGILE-GS:Anchor-Guided Fast Next-Best-View Selection for Active 3D Gaussian Splatting
- Abstract要約: 我々はこの2つを分離するアンカー誘導型NBV法AGILE-GSを提案する。
AGILE-GSは、最初のビューを次のビューとするため、Fisher情報はどの候補に対しても計算されない。
AGILE-GS+は各ショートリストビューのフィッシャー情報ゲインを計算し、ベストを選択する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radiance fields need hundreds of views, and their placement matters as much as their number. Next-best-view (NBV) selection for 3D Gaussian Splatting (3DGS) usually scores every candidate in the pool and keeps one. Searching for information and choosing a camera, however, are separable problems. We present AGILE-GS, an anchor-guided NBV method that separates the two. A virtual anchor pose is optimized on SE(3) by Riemannian gradient ascent on expected information gain. It need not be reachable or in the pool; it marks where the model is most uncertain. Candidates are scored against the anchor's viewing geometry, and a greedy ridge-leverage step distills the pool into a small, non-redundant shortlist without rendering any candidate. The shortlist can be used in two ways. AGILE-GS takes the first view on it as the next view, so no Fisher information is computed for any candidate. AGILE-GS+ computes the Fisher information gain of each shortlisted view and picks the best, so the expensive evaluation runs on a handful of views rather than the whole pool. On standard benchmarks and in closed-loop embodied acquisition, both match or exceed existing baselines while cutting selection latency by one to two orders of magnitude.
- Abstract（参考訳）: 放射界は数百のビューを必要とし、それらの配置はその数と同じくらい重要である。
3Dガウス・スプレイティング(3DGS)の次のベストビュー(NBV)は、通常プール内のすべての候補をスコア付けし、それを保持している。
しかし、情報を探し、カメラを選択することは、分離可能な問題である。
我々はこの2つを分離するアンカー誘導型NBV法AGILE-GSを提案する。
仮想アンカーポーズは、期待される情報ゲインに基づいてリーマン勾配によりSE(3)に最適化される。
モデルが最も不確実な場所を示すため、到達性やプール内では必要ありません。
候補はアンカーの視線に逆らって採点され、グレディ・リッジ・レベレッジ・ステップ(英語版)は、プールを小さな非冗長なショートリストに蒸留する。
ショートリストは2つの方法で使用することができる。
AGILE-GSは、最初のビューを次のビューとするため、Fisher情報はどの候補に対しても計算されない。
AGILE-GS+は各ショートリストビューのフィッシャー情報ゲインを計算し、ベストを選択する。
標準ベンチマークとクローズドループ実施による買収では、どちらも既存のベースラインと一致し、選択遅延を1～2桁に削減する。
関連論文リスト
- PGL-3D: Towards Progressive Geometric Learning for 3D Visual Query Localization [60.842562471209995]
3DVQLは、RGBポイントクラウドシーケンスにおけるクエリ対象の最新の連続的な発生を検索する。
応答フレーム毎に9-DoFキューブを予測します。
本稿では,予測-選択-再定義-予測フレームワークである3DVQL(PGL-3D)について紹介する。
論文 参考訳（メタデータ） (2026-09-27T13:29:51Z) - LongSplat: Robust Unposed 3D Gaussian Splatting for Casual Long Videos [24.61106294159454]
LongSplatは、不規則なカメラの動き、未知のカメラポーズ、拡張的なシーンを特徴とする、カジュアルにキャプチャされたロングビデオからの新規ビュー合成(NVS)の課題に対処する。
長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺長尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺高尺
論文 参考訳（メタデータ） (2025-08-19T17:59:56Z) - Second-order Optimization of Gaussian Splats with Importance Sampling [51.95046424364725]
3D Gaussian Splatting (3DGS) は、高品質で高速な推論時間のため、新しいビューレンダリングに広く用いられている。
本稿では,Levenberg-Marquardt (LM) と Conjugate Gradient (CG) に基づく新しい2階最適化手法を提案する。
提案手法は標準LMよりも3倍の高速化を実現し,ガウス数が少ない場合のAdamを6倍の6倍の速さで上回る。
論文 参考訳（メタデータ） (2025-04-17T12:52:08Z) - Next Best Sense: Guiding Vision and Touch with FisherRF for 3D Gaussian Splatting [27.45827655042124]
3Dガウススプレイティングを用いたロボットマニピュレータの能動的次ベストビューとタッチ選択のためのフレームワーク(3DGS)を提案する。
我々はまず,新しい意味深度アライメント法により,数発の3DGSの性能を向上する。
次に、3DGSの次のベストビュー選択方法であるFisherRFを拡張して、奥行きの不確実性に基づいたビューとタッチポーズを選択する。
論文 参考訳（メタデータ） (2024-10-07T01:24:39Z) - GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。
視覚ナビゲーションのためのガウススティング(GaussNav)であるIINの新しいフレームワークを提案し、3次元ガウススティング(DGS)に基づく新しい地図表現を構築した。
当社のGaussNavフレームワークは,Habitat-Matterport 3D(HM3D)データセットにおいて,SPL(Path Length)によるSuccessの重み付けを0.347から0.578に増加させ,大幅なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2024-03-18T09:56:48Z) - NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth
Supervision for Indoor Multi-View 3D Detection [72.0098999512727]
NeRF-Detは、NeRFを用いた屋内マルチビュー3次元検出において、表現学習の強化による優れた性能を実現している。
セマンティックエンハンスメント(セマンティックエンハンスメント)、パースペクティブ・アウェア・サンプリング(パースペクティブ・アウェア・サンプリング)、および順序深度監視を含む3つのソリューションを提案する。
結果として得られたアルゴリズムであるNeRF-Det++は、ScanNetV2とAR KITScenesデータセットで魅力的なパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-02-22T11:48:06Z) - Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。
この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。
本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T07:01:33Z)
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。