論文の概要: LVS: Local View Synthesis from Relative Camera Pose by Reusing Previous Views

• arxiv url: http://arxiv.org/abs/2610.12127v1
• Date: Thu, 08 Oct 2026 15:19:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.113978
• Title: LVS: Local View Synthesis from Relative Camera Pose by Reusing Previous Views
• Title（参考訳）: LVS: 従来のビューを再利用した相対カメラ画像からのローカルビューの合成
• Abstract要約: 本稿では,RGB-D画像の相対的な再利用により,近隣のシーンの繰り返しレンダリングを置き換えたシーン単位のフレームワークを提案する。 幾何学的ワープは、ソースコンテンツを転送するために深さと相対的なポーズを使用し、軽量なマルチスケールネットワークは、RGB残差を予測して、アーチファクトを修正し、見当たらない外観を推測する。
• 参考スコア（独自算出の注目度）: 2.822263070248699
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Interactive scene exploration requires frequent view updates, although small camera motions preserve much of the visible content. Conventional 3D Gaussian Splatting nevertheless renders each target view, leaving this image overlap unexploited. Reusing rendered images offers an alternative. Geometric warping alone cannot recover newly exposed content and remains sensitive to depth errors. We propose a per-scene framework that replaces repeated scene rendering for nearby views with relative-pose-guided RGB-D image reuse. Geometric warping uses depth and relative pose to transport source content, while a lightweight multiscale network predicts RGB residuals to correct artifacts and infer missing appearance. Cached source features further reduce repeated computation. On GS-render, residual refinement improves PSNR by 0.72~dB over pure warping; evaluations on captured and rendered scenes demonstrate low query latency. This separation of scene rendering from local view updates supports responsive scene exploration, with potential applications in augmented and virtual reality.
• Abstract（参考訳）: インタラクティブなシーン探索には頻繁なビュー更新が必要であるが、小さなカメラモーションは可視コンテンツの多くを保存している。 従来の3Dガウススプラッティングでは、それぞれのターゲットビューがレンダリングされ、この画像は未公開のまま残されている。 レンダリング画像の再利用は代替手段となる。 幾何学的ワープだけでは、新たに公開されたコンテンツは回復できず、深さ誤差に敏感である。 本稿では,RGB-D画像の相対的な再利用により,近隣のシーンの繰り返しレンダリングを置き換えたシーン単位のフレームワークを提案する。 幾何学的ワープは、ソースコンテンツを転送するために深さと相対的なポーズを使用し、軽量なマルチスケールネットワークは、RGB残差を予測して、アーチファクトを修正し、外観の欠如を推測する。 Cachedソースは、繰り返し計算をさらに削減する。 GS-renderでは、残留改善により純粋なワープよりもPSNRが0.72〜dB向上する。 ローカルビュー更新からのシーンレンダリングの分離は、拡張現実やバーチャルリアリティーにおける潜在的な応用を含む、レスポンシブなシーン探索をサポートする。

関連論文リスト

• InvSplat: Inverse Feed-Forward Scene Splatting [27.461734130974097]
  逆レンダリングは、画像から3次元幾何学と物理的に意味のある材料特性の両方を復元することを目的としている。 逆レンダリングのためのフィードフォワード多視点再構成フレームワークを提案する。 本モデルは,素材推定ネットワークの先行情報を多視点3D再構成バックボーンと統合する。
  論文  参考訳（メタデータ） (2026-07-02T15:18:08Z)
• Seeing Through the Weights: Privacy Leakage in Scene Coordinate Regression [9.85962651843239]
  SCR(Scene Coordinate Regression)法は、視覚的ローカライゼーションに採用されている。 シーンはネットワークパラメータを通してのみ表現され、画像やマップとして明示的に保存されないため、そのような方法はプライバシ保護であると仮定されることが多い。 本研究では,SCRモデルから学習環境の3次元形状をモデルアクセスの異なるレベルで再構成するクエリベースの攻撃を提案する。 これは、SCR表現が設計によるプライバシ保護であるという文献の主張と直接矛盾しており、そのようなシステムがプライベートまたはセキュリティクリティカルな空間にデプロイされた場合の本当のリスクを明らかにしている。
  論文  参考訳（メタデータ） (2026-06-30T05:54:23Z)
• VidSplat: Gaussian Splatting Reconstruction with Geometry-Guided Video Diffusion Priors [79.88300861391114]
  VidSplatは、トレーニング不要な生成的再構築フレームワークである。 生成と再構築の効果的な統合を可能にする2つの重要な課題に取り組む。 広範に使用されているベンチマーク実験は、スパースビューのシーン再構成における優れた性能を示している。
  論文  参考訳（メタデータ） (2026-05-12T02:20:31Z)
• AnySplat: Feed-forward 3D Gaussian Splatting from Unconstrained Views [68.94737256959661]
  AnySplatは、未校正画像コレクションから新しいビューを合成するためのフィードフォワードネットワークである。 単一のフォワードパスは、シーン幾何学と外観の両方をコードする3Dガウスプリミティブのセットを生成する。 広範囲なゼロショット評価では、AnySplatはスパースと高密度の両方のビューシナリオにおいて、ポーズを意識するベースラインの品質にマッチする。
  論文  参考訳（メタデータ） (2025-05-29T17:49:56Z)
• FlowR: Flowing from Sparse to Dense 3D Reconstructions [60.28571003356382]
  そこで本研究では,疎度な再現から密度な再構成に期待できるレンダリングまで,新しいビューレンダリングを接続するためのフローを学習するフローマッチングモデルを提案する。 我々のモデルは3.6Mイメージペアの新たなデータセットに基づいてトレーニングされており、単一のフォワードパスで1つのH100 GPU上で540x960解像度(91Kトークン)で45ビューまで処理できる。
  論文  参考訳（メタデータ） (2025-04-02T11:57:01Z)
• Decompositional Neural Scene Reconstruction with Generative Diffusion Prior [64.71091831762214]
  完全な形状と詳細なテクスチャを持つ3次元シーンの分解的再構成は、下流の応用に興味深い。 近年のアプローチでは、この問題に対処するために意味的あるいは幾何学的正則化が取り入れられているが、制約の少ない領域では著しく劣化している。 本稿では,SDS(Score Distillation Sampling)の形で拡散先行値を用いたDP-Reconを提案し,新しい視点下で個々の物体の神経表現を最適化する。
  論文  参考訳（メタデータ） (2025-03-19T02:11:31Z)
• SparseGS: Real-Time 360° Sparse View Synthesis using Gaussian Splatting [6.506706621221143]
  3D Splatting (3DGS)は3Dシーンをリアルタイムにレンダリングして新しいビュー合成を実現した。 この技術は3次元幾何学を正確に再構築するために、密集したトレーニングビューを必要とする。 スパーストレーニングビューのシナリオにおける3DGSの限界に対処するために設計された,効率的なトレーニングパイプラインであるSparseGSを紹介した。
  論文  参考訳（メタデータ） (2023-11-30T21:38:22Z)
• SACReg: Scene-Agnostic Coordinate Regression for Visual Localization [16.866303169903237]
  本稿では,新しいテストシーンで1回トレーニングされた一般化SCRモデルを提案する。 我々のモデルは、シーン座標をネットワーク重みに符号化する代わりに、スパース2Dピクセルのデータベースイメージを3D座標アノテーションに入力する。 画像のデータベース表現とその2D-3Dアノテーションは,局所化性能を損なうことなく,高度に圧縮できることを示す。
  論文  参考訳（メタデータ） (2023-07-21T16:56:36Z)

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。