論文の概要: Gaussian Splatting with Reflections Guided by What is Seen
- arxiv url: http://arxiv.org/abs/2610.13757v1
- Date: Fri, 09 Oct 2026 15:42:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.657649
- Title: Gaussian Splatting with Reflections Guided by What is Seen
- Title（参考訳）: 擬似反射法を応用したガウス平滑化法
- Abstract要約: 入力画像中の直接観測可能な環境情報を活用する2次元ガウス散乱(2DGS)に基づくフレームワークを提案する。
提案手法は,ハイブリッドリフレクションの外観表現とビュー依存仕様モデリングも統合する。
- 参考スコア（独自算出の注目度）: 4.4502496002453595
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While novel view synthesis methods like Neural Radiance Fields (NeRF) and 3D Gaussian Splatting (3DGS) have shown impressive performance on common scenes, they often struggle with capturing view-dependent specular effects, particularly near-field reflections. Existing methods utilize environment maps, which only represent lights from infinity, or environment Gaussians, which rely solely on indirect supervision from reflections, are insufficient for accurately modeling such effects. Here, we propose a framework based on 2D Gaussian Splatting (2DGS) that leverages directly observable environment information in input images. Our approach also integrates a hybrid reflection appearance representation and view-dependent specular modeling. Experiments on public benchmarks and a newly curated near-field reflection dataset demonstrate that our method achieves superior rendering quality and geometric accuracy.
- Abstract（参考訳）: Neural Radiance Fields (NeRF) や 3D Gaussian Splatting (3DGS) のような新しいビュー合成法は、一般的な場面で顕著な性能を示してきたが、ビュー依存のスペクトル効果、特に近接場反射を捉えることにしばしば苦労している。
既存の手法では、無限の光のみを表す環境マップや、反射からの間接的な監督に依存している環境ガウシアンは、そのような効果を正確にモデル化するには不十分である。
本稿では,入力画像中の直接観測可能な環境情報を活用する2次元ガウス散乱(2DGS)に基づくフレームワークを提案する。
提案手法は,ハイブリッドリフレクションの外観表現とビュー依存仕様モデリングも統合する。
公開ベンチマークと新たにキュレートされた近接場反射データを用いて,提案手法がより優れたレンダリング品質と幾何精度を実現することを示す。
関連論文リスト
- Ref-DGS: Reflective Dual Gaussian Splatting [51.77181103979343]
反射的な外観、特に強く、典型的には近接場スペクトル反射は、正確な表面再構成と新しい見方に根本的な課題をもたらす。
本稿では,このトレードオフに対処する反射型二重ガウススプレイティングフレームワークRef-DGSを提案する。
実験により、Ref-DGSは反射シーンにおける最先端のパフォーマンスを達成しつつ、レイベースガウス法よりもかなり高速なトレーニングを行うことが示された。
論文 参考訳（メタデータ） (2026-03-08T14:54:15Z) - MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。
本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2025-10-13T13:29:20Z) - EnvGS: Modeling View-Dependent Appearance with Environment Gaussian [78.74634059559891]
EnvGSは、環境の反射を捉えるための明示的な3D表現として、ガウスプリミティブのセットを利用する新しいアプローチである。
これらの環境を効率的にレンダリングするために,高速レンダリングにGPUのRTコアを利用するレイトレーシングベースのリフレクションを開発した。
複数の実世界および合成データセットから得られた結果は,本手法がより詳細な反射を生成することを示す。
論文 参考訳（メタデータ） (2024-12-19T18:59:57Z) - SpecNeRF: Gaussian Directional Encoding for Specular Reflections [43.110815974867315]
近接場照明条件下でのビュー依存効果をより良くモデル化するための学習可能なガウス方向符号化法を提案する。
我々の新しい指向性符号化は、近接場照明の空間的に変化する性質を捉え、事前フィルタされた環境マップの挙動をエミュレートする。
これにより、粗さ係数の異なる任意の3次元位置において、事前変換された明色を効率よく評価することができる。
論文 参考訳（メタデータ） (2023-12-20T15:20:25Z)
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。