論文の概要: S2Tok: Streaming 3D Gaussian Reconstruction with Persistent Spatial Tokens
- arxiv url: http://arxiv.org/abs/2610.08978v1
- Date: Tue, 06 Oct 2026 18:40:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.557662
- Title: S2Tok: Streaming 3D Gaussian Reconstruction with Persistent Spatial Tokens
- Title（参考訳）: S2Tok:持続的空間トークンを用いた3次元ガウス再構成
- Abstract要約: ストリーミング3D再構成には、新しいエビデンスを組み込んだ永続的なシーン状態が必要であり、観察が到着するにつれてレンダリングが可能となる。
遅延空間トークンは、この目的のために有望な表現を提供するが、イメージコレクションからそれらを構築することは、それらをオンラインに維持する方法を開放する。
フィードフォワードフレームワークであるS2Tokを導入し、キャリブレーションされていない画像ストリームからサイズ適応型で永続的なシーン状態を維持する。
- 参考スコア（独自算出の注目度）: 26.80497112681753
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Streaming 3D reconstruction requires more than a sequence of geometric predictions: it requires a persistent scene state that can incorporate new evidence and remain renderable as observations arrive. Latent spatial tokens offer a promising representation for this purpose, but constructing them from an image collection leaves open how to maintain them online, where each observation may both revisit known regions and reveal new content. We introduce S2Tok, a feed-forward framework that maintains a size-adaptive, persistent scene state from uncalibrated image streams. Its central idea is to distinguish updates to the existing representation from selective expansion. A spatially informed transformer integrates each incoming observation with the persistent scene tokens, while a learned admission module selectively expands the representation to limit redundant storage. A hierarchical decoder and Gaussian head convert the evolving state into non-pixel-aligned 3D Gaussians, enabling novel-view rendering without caching previous frames. Experiments across four benchmarks demonstrate competitive streaming rendering quality with compact Gaussian representations. These results support latent spatial tokens as a persistent computational state for online 3D reconstruction, combining learned scene updates with explicit Gaussian rendering.
- Abstract（参考訳）: 3D再構成のストリーミングには幾何的予測以上のものが必要であり、観察が到着するにつれて新しい証拠を組み込んでレンダリングできる永続的なシーン状態が必要である。
遅延空間トークンは、この目的のために有望な表現を提供するが、イメージコレクションからそれらを構築することは、それらをオンラインに維持する方法を開き、それぞれの観察が既知の領域を再検討し、新しいコンテンツを明らかにする。
フィードフォワードフレームワークであるS2Tokを導入し、未校正画像ストリームからサイズ適応型で永続的なシーン状態を維持する。
その中心となる考え方は、既存の表現の更新と選択的な拡張を区別することである。
空間情報変換器は、各入ってくる観測を永続的なシーントークンと統合し、学習された入場モジュールは、表現を選択的に拡張して冗長な記憶を制限する。
階層デコーダとガウスヘッドは、進化する状態を非画素対応の3Dガウスアンに変換し、以前のフレームをキャッシュすることなく新規ビューレンダリングを可能にする。
4つのベンチマークによる実験では、コンパクトなガウス表現による競合的なストリーミングレンダリング品質が示されている。
これらの結果は、学習シーンの更新と明示的なガウスレンダリングを組み合わせることで、オンライン3次元再構成のための永続的な計算状態として潜時空間トークンをサポートする。
関連論文リスト
- DensiTok: Making Feed-Forward 3D Gaussian Splatting See More Views Than It Is Given [40.29465730575355]
DensiTokは、事前訓練されたフィードフォワード3DGSモデルのプラグインモジュールである。
内部の幾何学的トークンを直接密度付けし、凍ったバックボーンが与えられたよりも多くのビューを観測したかのように振る舞う。
スパースビューの再構築を継続的に改善し、高密度ビューの再構築へのギャップの多くを回復する。
論文 参考訳（メタデータ） (2026-10-06T08:29:41Z) - USR-Drive: Unified Driving Scene Representation via Joint Denoising of 3D Gaussians and Boxes [57.4583999658488]
自律運転のための空間表現学習は、生の視覚信号を構造化された3次元シーン表現にマッピングすることを目的としている。
既存の方法は動的再構成とインスタンスレベルの認識を別々のタスクとして扱う。
共有シーン表現における高密度な動的幾何とインスタンスレベルのオブジェクトレイアウトを復元する統一条件生成フレームワークUSR-Driveを提案する。
論文 参考訳（メタデータ） (2026-08-19T15:29:06Z) - AlayaWorld: Interactive Long-Horizon World Modeling - Full Technical Report (v1.1) [39.20781986625199]
我々は、モデルにコンディショニング信号がどのように表現され、統合されるかを再検討する。
条件付け信号は、潜在表現と時間構造の両方において、可能な限り生成した内容と一致すべきである。
論文 参考訳（メタデータ） (2026-08-13T17:21:03Z) - InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis [49.87457834078904]
InfiniSplatはフィードフォワードのシングルイメージ3DGSフレームワークで、ピクセル整列表現から表面整列表現へ移行する。
InfiniSplatは、単一イメージのフィードフォワードベースラインと比較して最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-08-03T16:17:39Z) - StreamSplat: Streaming Feed-Forward 3D Gaussian Splatting [13.605490241534797]
StreamSplatはフィードフォワード3DGSフレームワークで、永続的な幾何学的なシーンステートを漸進的に維持する。
実験の結果,StreamSplat はスパース因果入力下での最先端のフィードフォワード 3DGS 法と競合し続けていることがわかった。
StreamSplatは256, 512, 1024ビューで長い入力ストリームにスケールする。
論文 参考訳（メタデータ） (2026-08-03T03:48:20Z) - RnG: A Unified Transformer for Complete 3D Modeling from Partial Observations [70.83499963694238]
RnG(Reconstruction and Generation)は、再構成と生成を統合する新しいフィードフォワードトランスである。
可視的幾何学を再構築し、可視的でコヒーレントな不明瞭な幾何学と外観を生成する。
提案手法は, 一般化可能な3次元再構成と新しいビュー生成の両方において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2026-03-01T17:25:32Z) - Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。
従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。
我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文 参考訳（メタデータ） (2026-01-05T18:33:50Z) - C3G: Learning Compact 3D Representations with 2K Gaussians [55.04010158339562]
近年の手法では3次元ガウススプラッティングを再構成に用い, シーン理解のための2D-to-3D機能昇降ステージが提案されている。
提案するC3Gは,空間的にのみコンパクトな3次元ガウスを推定する新しいフィードフォワードフレームワークである。
論文 参考訳（メタデータ） (2025-12-03T17:59:05Z) - Continuous 3D Perception Model with Persistent State [111.83854602049222]
広い範囲の3Dタスクを解くことができる統一的なフレームワークを提案する。
我々のアプローチでは、新しい観測毎に状態表現を継続的に更新するステートフルなリカレントモデルが特徴である。
各種3D/4Dタスクにおける本手法の評価を行い,各課題における競合性や最先端性能を実証する。
論文 参考訳（メタデータ） (2025-01-21T18:59:23Z)
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。