論文の概要: PAM-ToD: Plug-and-Play Appearance Modeling for Cross-Time-of-Day 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.11572v1
• Date: Thu, 08 Oct 2026 09:27:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.925703
• Title: PAM-ToD: Plug-and-Play Appearance Modeling for Cross-Time-of-Day 3D Gaussian Splatting
• Title（参考訳）: PAM-ToD:3次元立方体切削におけるプラグ・アンド・プレイ外観モデリング
• Abstract要約: PAM-ToDは、トレーニング済みの3DGSパラメータを固定しながら色補正を学習する軽量プラグインである。 シーン全体の色を補正し、位置やガウスによって補正を変更できる。 アンカーイメージが複数のカメラにまたがる単一の同期キャプチャから来る場合でも、ベースラインよりも高いPSNRと低いLPIPSを実現する。
• 参考スコア（独自算出の注目度）: 28.837369418224057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adapting a pre-trained 3D Gaussian Splatting (3DGS) road scene to a new time of day requires learning appearance changes from a few anchor images while preserving consistent, real-time rendering. We propose PAM-ToD, a lightweight plug-in that learns color corrections while keeping the pre-trained 3DGS parameters fixed. PAM-ToD scales each Gaussian's existing color to model illumination changes and uses an additive term for additional brightness, such as when street lamps turn on at night. Under a simplified image formation model, unchanged surface albedo can be eliminated from the relation between source and target appearances, allowing us to learn these corrections without separately estimating albedo and illumination. The model corrects colors across the scene while allowing the corrections to vary by location and by Gaussian. To guide learning from a few anchor images, it discourages abrupt spatial changes in these corrections. We also introduce CARLA-ToD, a benchmark with matching geometry, camera poses, and moving-object trajectories across three times of day. A few target-time anchor images are used to train each plug-in, while separate views are used for evaluation. Across the static and dynamic settings, PAM-ToD achieves higher PSNR and lower LPIPS than the baselines, even when the anchor images come from a single synchronized capture across multiple cameras.
• Abstract（参考訳）: トレーニング済みの3Dガウススティング(3DGS)ロードシーンを新しい時間に適応させるには、一貫性のあるリアルタイムレンダリングを保ちながら、いくつかのアンカーイメージからの外観変化を学習する必要がある。 事前学習した3DGSパラメータを固定しつつ色補正を学習する軽量プラグインであるPAM-ToDを提案する。 PAM-ToDは、ガウスの既存の色をスケールして、照明の変化をモデル化し、夜間に街灯が点灯するなど、追加の明るさを表す追加用語を使用する。 簡易な画像形成モデルでは、原点とターゲットの外観の関係から変化のない表面アルベドを除去することができ、これらの補正を別々にアルベドと照明を推定することなく学習することができる。 モデルはシーン全体の色を補正し、位置やガウスによって補正を変更できる。 いくつかのアンカー画像からの学習をガイドするために、これらの補正の空間的変化を早める。 また,CARLA-ToDも導入した。このベンチマークでは,3日ごとの形状,カメラポーズ,移動物体軌跡が一致している。 いくつかのターゲット時間アンカーイメージが各プラグインのトレーニングに使用され、別々のビューが評価に使用される。 静的および動的設定全体では、PAM-ToDはベースラインよりもPSNRが高く、LPIPSが低い。

関連論文リスト

• WildSplatter: Feed-forward 3D Gaussian Splatting with Appearance Control from Unconstrained Images [8.46439977025813]
  WildSplatterは、未知のカメラパラメータと様々な照明条件を持つ非拘束画像のためのフィードフォワード3Dガウススプラッティング(3DGS)モデルである。 入力画像に条件付き3Dガウスアンと外観埋め込みを共同で学習する。 提案手法は,3次元ガウシアンを1秒以内のスパース入力ビューから再構成し,多様な照明条件下での外観制御を可能にする。
  論文  参考訳（メタデータ） (2026-04-23T00:58:43Z)
• D3DR: Lighting-Aware Object Insertion in Gaussian Splatting [48.80431740983095]
  D3DRと呼ばれる3DGS並列化オブジェクトを3DGSシーンに挿入する手法を提案する。 我々は、現実世界のデータに基づいて訓練された拡散モデルの進歩を活用し、正しいシーンライティングを暗黙的に理解する。 提案手法を既存手法と比較することにより,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-09T19:48:00Z)
• Decoupling Appearance Variations with 3D Consistent Features in Gaussian Splatting [50.98884579463359]
  本稿では,プラグアンドプレイ方式で外観変化を分離するDAVIGSを提案する。 ガウスレベルではなく画像レベルでレンダリング結果を変換することにより、最適化時間とメモリオーバーヘッドを最小限に抑えた外観変化をモデル化できる。 提案手法をいくつかの外観変化シーンで検証し,トレーニング時間とメモリ使用量を最小限に抑えて,最先端のレンダリング品質を実現することを実証した。
  論文  参考訳（メタデータ） (2025-01-18T14:55:58Z)
• 3DGUT: Enabling Distorted Cameras and Secondary Rays in Gaussian Splatting [15.124165321341646]
  本研究では,EWAスプラッティングスプラッティングをアンセント変換に置き換えた3次元ガウスアンアンセント変換(3DGUT)を提案する。 これにより、自明化の効率を維持しつつ、ローリングシャッターなどの歪み時間依存効果を支持できる。
  論文  参考訳（メタデータ） (2024-12-17T03:21:25Z)
• WE-GS: An In-the-wild Efficient 3D Gaussian Representation for Unconstrained Photo Collections [8.261637198675151]
  制約のない写真コレクションからの新規ビュー合成(NVS)は、コンピュータグラフィックスでは困難である。 写真コレクションからのシーン再構築のための効率的なポイントベース微分可能レンダリングフレームワークを提案する。 提案手法は、新しいビューのレンダリング品質と、高収束・レンダリング速度の外観合成において、既存のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2024-06-04T15:17:37Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth Estimation [47.617222712429026]
  既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。 まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。 第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
  論文  参考訳（メタデータ） (2022-06-28T09:29:55Z)
• Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
  空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。 我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。 アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
  論文  参考訳（メタデータ） (2020-04-05T12:52:29Z)

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。