論文の概要: CF-Splat: Closed-Form Triangle Splatting with Mesh Priors

• arxiv url: http://arxiv.org/abs/2610.22108v1
• Date: Thu, 15 Oct 2026 15:49:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.169763
• Title: CF-Splat: Closed-Form Triangle Splatting with Mesh Priors
• Title（参考訳）: CF-Splat:メッシュプリミティブによるクローズドフォーム三角形スプラッティング
• Abstract要約: CF-Splatは、シーンの外観を効率的に推定するための新しいクローズドフォームな三角形平滑化フレームワークである。 最先端のスプレイティング手法と比較して、競争力や優れたNVS品質を実現している。
• 参考スコア（独自算出の注目度）: 6.480379859189729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Splatting-based radiance-field representations have recently gained popularity in robotic perception, enabling high-quality novel-view synthesis (NVS) through explicit scene primitives. However, existing splatting methods typically rely on iterative nonlinear optimization that jointly optimizes millions of coupled primitive parameters, resulting in substantial computation time, peak GPU memory consumption, and susceptibility to local minima. In this paper, we propose CF-Splat, a novel closed-form triangle-splatting framework for efficient scene appearance estimation over a known mesh either pre-existing or provided by upstream mapping or reconstruction pipelines. Our key insight is that, by properly formulating the problem over the given mesh geometry and calibrated cameras, the rendered pixel colors can be expressed linearly with respect to the per-vertex spherical harmonics (SH) coefficients, allowing multi-view scene appearance estimation to be formulated as a global linear least-squares (LLS) problem without the need of iterative nonlinear optimization. To guarantee a well-posed solution under uneven multi-view observation coverage, we introduce adaptive SH regularization that constrains insufficiently supported high-order SH coefficients and yields a unique global minimizer. To ensure the scalability to large-scale scenes, we develop a triangle-structured matrix-free preconditioned conjugate-gradient solver that avoids explicitly constructing the large sparse normal system while producing the same LLS solution. Experiments on diverse real-world datasets demonstrate that CF-Splat achieves competitive or superior NVS quality compared with state-of-the-art splatting methods. While, CF-Splat requires approximately 27.5-378.0 times less computation time and 1.8 times lower peak GPU memory on average than 3DGS across scenes of different scales on a consumer-grade laptop.
• Abstract（参考訳）: Splatting-based radiance-field representationsはロボットの知覚において最近人気を集めており、明示的なシーンプリミティブを通して高品質のノベルビュー合成(NVS)を可能にしている。 しかし、既存のスプレイティング手法は、通常、数百万の結合されたプリミティブパラメータを共同で最適化する反復的な非線形最適化に依存し、計算時間、GPUメモリ消費のピーク、ローカルミニマへの感受性をもたらす。 本稿では,既設あるいは上流マッピングや再構築パイプラインによって提供される既知のメッシュ上でのシーンの出現を効率的に推定する,新しいクローズド形式三角形スプレイティングフレームワークCF-Splatを提案する。 我々の重要な洞察は、与えられたメッシュ形状とキャリブレーションカメラ上の問題を適切に定式化することにより、レンダリングされたピクセル色を、頂点ごとの球面調和係数(SH)に対して線形に表現することができ、反復非線形最適化を必要とせずに、多視点シーンの外観推定を大域的線形最小二乗(LLS)問題として定式化できるということである。 高次SH係数の制約が不十分な適応型SH正則化を導入し,一意な大域最小化を実現する。 大規模シーンへのスケーラビリティを確保するため,同じLSSソリューションを作成しながら,大きなスパース正規系を明示的に構築するのを避けるために,三角形構成の行列自由条件付き共役次数分解器を開発した。 さまざまな実世界のデータセットの実験により、CF-Splatは最先端のスプレイティング手法と比較して、競争力や優れたNVS品質を達成することが示された。 一方、CF-Splatは27.5-378.0倍の計算時間と1.8倍のピークGPUメモリを必要とする。

関連論文リスト

• CompactSplat: Spatially Adaptive Gaussian Distribution for Feedforward Scene Reconstruction [29.97670947831028]
  CompactSplatは、3Dガウスのコンテンツアロケーションを可能にする新しいフィードフォワードフレームワークである。 テクスチャ誘導型空間分割と階層的サンプリングを統合することで、CompactSplatはプリミティブを適応的に分散する。 我々のフレームワークは本質的に、推論時の動的空間制御をサポートし、レンダリングの忠実度とメモリフットプリントのシームレスなトレードオフを可能にする。
  論文  参考訳（メタデータ） (2026-10-09T08:04:45Z)
• ForeSplat: Optimization-Aware Foresight for Feed-Forward 3D Gaussian Splatting [65.02700555625749]
  ForeSplatはフィードフォワード3DGSモデルのための最適化対応のトレーニングフレームワークである。 ForeSplatはフィードフォワードモデルのキャパシティ圧力を大幅に低減する。 償却予測とシーンごとの最適化のギャップを埋める。
  論文  参考訳（メタデータ） (2026-05-21T05:38:47Z)
• GloSplat: Joint Pose-Appearance Optimization for Faster and More Accurate 3D Reconstruction [35.30036388020098]
  本稿では,GloSplatについて述べる。GloSplatは3次元ガウス平滑化訓練において,アンフィジョイントなポーズ-外観最適化を行うフレームワークである。 従来の共同最適化手法とは異なり、GloSplatは訓練中、Emphexplicit SfM機能トラックを第一級エンティティとして保存する。 実験により、GloSplat-FはCOLMAPフリーメソッドの最先端を実現し、GloSplat-AはCOLMAPベースラインをすべて越えていることが示された。
  論文  参考訳（メタデータ） (2026-03-05T06:02:50Z)
• Micro-splatting: Multistage Isotropy-informed Covariance Regularization Optimization for High-Fidelity 3D Gaussian Splatting [1.5582756275568836]
  マイクロスプレイティング(Micro-Splatting)は、モデル複雑性を大幅に削減しつつ、視覚的詳細を保存する、統合されたトレーニング中のパイプラインである。 4つのオブジェクト中心のベンチマークでは、Micro-Splattingはスプレート数とモデルサイズを60%まで削減し、トレーニングを20%短縮する。 その結果、マイクロスプレイティングは、単一で効率的でエンドツーエンドのフレームワークにおいて、コンパクト性と高忠実性の両方を提供することを示した。
  論文  参考訳（メタデータ） (2025-04-08T07:15:58Z)
• MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
  3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。 既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。 スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-15T08:39:05Z)
• 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)

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。