論文の概要: PCAsplat: Gaussian Splatting with Local PCA Regularization
- arxiv url: http://arxiv.org/abs/2610.11011v1
- Date: Wed, 07 Oct 2026 23:49:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.707467
- Title: PCAsplat: Gaussian Splatting with Local PCA Regularization
- Title（参考訳）: PCAsplat: 局所PCA正規化によるガウススプラッティング
- Abstract要約: ガウススプラッティングのための幾何対応正規化フレームワークであるPCAsplatを紹介する。
DTU、タンク、テンプル、NeRF合成の実験により、PCAsplatが生成するタンジェントは基準表面のより近似的なサンプルより優れていることが示された。
- 参考スコア（独自算出の注目度）: 31.12054448204326
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gaussian splatting has emerged as a flexible representation for 3D reconstruction from posed images. However, existing methods are optimized primarily using rasterization-based losses, which supervise a splat only when it contributes to sampled camera rays. Gaussians that are occluded or contribute little to the sampled view therefore receive weak or no geometric gradients and may drift away from the underlying surface, producing undesired floaters. We introduce PCAsplat, a geometry-aware regularization framework for Gaussian splatting based on differentiable local principal component analysis (PCA). Our PCA regularizer acts directly on neighborhoods of Gaussian centers and can therefore update Gaussians that do not contribute to the current training view. We regularize the PCA eigenvalues to encourage Gaussians to move to the underlying surface with isotropic tangent-plane coverage. We also align each Gaussian normal with the PCA-estimated neighborhood normal to enforce consistent orientation. Experiments on DTU, Tanks and Temples, and NeRF Synthetic show that the splats produced by PCAsplat better approximate samples of the reference surface while substantially reducing undesired floaters. These surface-aligned splats enable downstream geometry-processing tasks, including point cloud segmentation, and direct Poisson reconstruction. Additionally, PCAsplat remains competitive under conventional novel view synthesis and mesh extraction tasks. Code will be released.
- Abstract（参考訳）: ガウススプラッティングは3次元画像からの3次元再構成のフレキシブルな表現として現れている。
しかし、既存の方法は、主にラスタライズに基づく損失を利用して最適化されており、これは、サンプリングされたカメラ線に寄与するときにのみスプラットを監督する。
したがって、サンプリングされたビューに隠されたり、ほとんど寄与していないガウス人は、幾何学的な勾配が弱かったり、全くなく、下層の地表から漂流し、望ましくないフローターを産出する。
局所主成分分析(PCA)に基づくガウススプラッティングのための幾何対応正規化フレームワークであるPCAsplatを紹介する。
当社のPCAレギュレータはガウシアンセンターの周辺で直接動作し,現在のトレーニングビューに寄与しないガウシアンを更新することができる。
我々はPCA固有値の正則化を行い、ガウスが等方性接地面の被覆で基底面に移動することを奨励する。
また,各ガウス正規度とPCA推定近傍正規度を一致させて一貫した配向を強制する。
DTU、タンク、テンプル、NeRFシンセティックの実験により、PCAsplatが生成したスプラットは、望ましくないフローターを著しく減少させながら、基準面のより近似的なサンプルをより良くすることが示された。
これらの表面整列スプラットは、点雲のセグメンテーションやポアソンの直接再構成を含む下流の幾何処理タスクを可能にする。
さらに、PCAsplatは従来の新しいビュー合成およびメッシュ抽出タスクの下で競争力を維持している。
コードはリリースされる。
関連論文リスト
- Projective Normal Fields: A Convex Optimization Method for Constructing Smooth UDFs [68.08537394769392]
本稿では,原点雲からの距離場(UDF)の滑らかな近似を構築するためのフレームワークを提案する。
局所幾何推定をスカラーフィールド構造から分離することにより、PNFは非微分可能なUDFを直接適合させない。
論文 参考訳（メタデータ） (2026-09-28T09:55:50Z) - ConeGaussian: Anti-Aliased Gaussian Ray-Tracing for Generic Central Cameras [56.46810752790842]
ガウス線レンダリングのためのカメラモデルに依存しないアンチエイリアスフレームワークであるConeGaussianを提案する。
有限画素フットプリントの局所線形,深部局所,モーメントマッチング近似の下で閉形式応答を導出する。
mip-splattingとは異なり、シーン空間の周波数フロアとフィルタリングはレンダリング時に自明な合成を可能にし、余分なぼやけを取り除くことができる。
論文 参考訳（メタデータ） (2026-09-11T18:05:07Z) - Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。
本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
論文 参考訳（メタデータ） (2026-08-16T09:43:50Z) - Point-Cloud-Assistant Localized Statistical Channel Prediction by Tangent Gaussian Splatting [27.51525749430508]
Emphpoint-cloud-assisted tangent splatting (PC-TGS) は、非測定屋外グリッドのための最初のフレームワークである。
PC-TGSは環境散乱体を異方性3Dガウスとして表現している。
その結果,PC-TGSが大規模無線デジタル双生児の幾何学的認識とデータ効率の高いチャネル予測を可能にする可能性が示唆された。
論文 参考訳（メタデータ） (2026-06-17T06:23:00Z) - Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning [52.452902154360565]
GTSA-PCAは主成分分析の幾何学的拡張である。
曲率認識と測地的整合性を統合されたスペクトルフレームワークに統合する。
以上の結果から,GTSA-PCAは次元減少に対する統計的および幾何学的アプローチの原則的ブリッジとして位置づけられた。
論文 参考訳（メタデータ） (2026-04-20T20:36:36Z) - SurfelSplat: Learning Efficient and Generalizable Gaussian Surfel Representations for Sparse-View Surface Reconstruction [30.66530885236685]
3D Gaussian Splatting (3DGS) は3Dシーン再構成において顕著な性能を示した。
スパースビュー画像から効率よく一般化可能な画素アライメントを生成できるフィードフォワードフレームワークであるSurfelSplatを提案する。
我々のモデルは最先端の手法で同等の結果を得ることができ、1秒以内でガウス波を予測でき、100倍のスピードアップが可能であり、シーンごとのトレーニングに費用がかからない。
論文 参考訳（メタデータ） (2026-04-09T15:34:24Z) - From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians [36.88207476975372]
3Dガウススプラッティングは高速なビュー合成に革命をもたらしたが、その不透明度に基づく定式化は表面抽出を困難にしている。
複雑なシーンの高度に正確な水密メッシュを抽出する方法を示す。
本手法はDTUとタンク・アンド・テンプルに新しい最先端のメッシュを配置し, 同時作業回収型薄型構造物のごく一部で水密メッシュを作製する。
論文 参考訳（メタデータ） (2026-04-08T17:52:39Z) - Joint Orientation and Weight Optimization for Robust Watertight Surface Reconstruction via Dirichlet-Regularized Winding Fields [77.36628820738271]
ディリクレ・ウィンディング・コンストラクション (Dirichlet Winding Reconstruction, DiWR) は、無向点雲から水密面を再構築するための頑健な手法である。
本手法では,対象の暗黙表現として一般化巻数(GWN)場を用いる。
論文 参考訳（メタデータ） (2026-02-14T14:27:07Z) - VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。
ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-10-13T14:44:50Z) - Gaussian Set Surface Reconstruction through Per-Gaussian Optimization [9.451254271017767]
3D Gaussian Splatting (3DGS)は、フレキシブルな表現を通して、斬新なビューを効果的に合成するが、シーン幾何学を正確に再構築することができない。
本稿では,ガウス集合表面再構成法(GSSR)を提案する。これは,ガウス集合表面を静止面に沿って均等に分配し,支配的な正規値と表面正規値とを整列させる手法である。
GSSRは画素レベルとガウスレベルの単視正規整合と多視光度整合を組み合わせることで、微細な幾何学的アライメントを強制する。
論文 参考訳（メタデータ） (2025-07-25T03:31:47Z) - High-quality Surface Reconstruction using Gaussian Surfels [18.51978059665113]
本稿では,3次元ガウス点におけるフレキシブルな最適化手法の利点を組み合わせるために,新しい点ベース表現であるガウス波について提案する。
これは、3Dガウス点のzスケールを0に設定し、元の3D楕円体を2D楕円形に効果的に平らにする。
局所的なz軸を通常の方向として扱うことにより、最適化安定性と表面アライメントを大幅に改善する。
論文 参考訳（メタデータ） (2024-04-27T04:13:39Z)
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。