論文の概要: X-Splat: Unified Gaussian Splatting for Joint RGB and X-ray 3D Reconstruction
- arxiv url: http://arxiv.org/abs/2610.23237v1
- Date: Fri, 16 Oct 2026 10:06:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.861809
- Title: X-Splat: Unified Gaussian Splatting for Joint RGB and X-ray 3D Reconstruction
- Title（参考訳）: X-Splat: 結合RGBとX線3D再構成のための統一ガウススプラッティング
- Abstract要約: 共同でRGBとX線を再構成すると、外見と内部構造を結びつけることで新たな洞察が得られる。
既存の方法はモダリティごとに別々のモデルを訓練し、冗長な幾何学、アライメントアーティファクト、疎結合に悩まされる。
本稿では,すべてのガウス的プリミティブが一組の幾何パラメータを共有し,表面近位プリミティブのみが外観特性を付加する統一表現を提案する。
- 参考スコア（独自算出の注目度）: 18.228489428610434
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Jointly reconstructing RGB and X-ray provides new insights by connecting external appearance with internal structure, enabling a more complete understanding of real-world objects than single modality. Yet existing methods train separate models per modality and suffer from redundant geometry, alignment artifacts, and loose coupling that limits cross-modal insight discovery. We propose a unified representation in which all Gaussian primitives share a single set of geometric parameters, with only surface-proximal primitives additionally carrying appearance attributes. We perform cross-modal registration through clean multi-view stereo and X-ray geometric proxies instead of aligning two sets of optimized Gaussians, improving alignment stability. We then jointly optimize the unified representation via supervision from both modalities, complemented by a surface-depth consistency loss derived from X-ray geometry to guide RGB reconstruction. Experiments on the InsideOut dataset and our Flower & Insect dataset show that our framework achieves more robust cross-modal alignment, higher RGB rendering quality without compromising X-ray reconstruction, and a more compact representation than maintaining two independent geometries.
- Abstract（参考訳）: 共同でRGBとX線を再構成することで、外見と内部構造を結びつけることで、単一のモダリティよりも現実世界の物体をより完全に理解することが可能になる。
しかし、既存の手法では、モダリティごとに別々のモデルを訓練し、冗長な幾何学、アライメントアーティファクト、モダリティ間の洞察発見を制限する疎結合に悩まされている。
本稿では,すべてのガウス的プリミティブが一組の幾何パラメータを共有し,表面近位プリミティブのみが外観特性を付加する統一表現を提案する。
我々は2つの最適化されたガウスの集合を並べる代わりに、クリーンな多視点ステレオとX線幾何学的プロキシを通してクロスモーダル登録を行い、アライメント安定性を改善した。
次に、両モードの監督による統一表現を共同で最適化し、X線形状から導出される表面深度一貫性損失を補足し、RGB再構成を導出する。
InsideOutデータセットとFlower & Insectデータセットの実験から、我々のフレームワークは、X線再構成を損なうことなく、より堅牢なクロスモーダルアライメント、RGBレンダリング品質、そして、2つの独立したジオメトリを維持するよりも、よりコンパクトな表現を実現しています。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - GenRec: Knowing Where to Reconstruct and Where to Generate [106.48347271421765]
GenRecは、再構築世代をそのアーキテクチャ、監督、勾配フローに直接分割するフローマッチングモデルである。
観察された領域で最高の復元忠実度を達成し、また、観測されていない領域では、知覚的品質の純粋に生成的ベースラインを超越する。
論文 参考訳（メタデータ） (2026-08-18T14:31:19Z) - Surfsvr: 2D Surface Priors as 3D Geometric Regularizers for Sparse Voxel Reconstruction [56.51413081953813]
SurfSVRは2次元表面の先行を明示的な3次元幾何正規化器として扱う新しいスパースボクセル再構成パラダイムである。
鮮明なボクセルの再現は、視認性と幾何学的特性が著しく異なる場面で一貫して改善される。
論文 参考訳（メタデータ） (2026-08-12T11:25:31Z) - High-Fidelity Surface Splatting-Based 3D Reconstruction from Multi-View Images [0.0]
Implicit moving Least Squares (IMLS) は、点雲を符号付き距離とテクスチャ場へ直接変換することができる。
ローカルサポートと柔軟性が向上し、周波数コンテンツの制御性が向上したコンパクトカーネルを導入する。
実験では、表面の再構成とレンダリングの両方において最先端の性能を示し、より正確な幾何学とよりシャープな視覚を与える。
論文 参考訳（メタデータ） (2026-05-08T05:23:28Z) - UniQueR: Unified Query-based Feedforward 3D Reconstruction [68.01984215138098]
提案するUniQueRは,未提示画像からの3次元再構成を効率よく正確に行うための,クエリベースの統合フィードフォワードフレームワークである。
我々のモデルは、明示的な幾何学的クエリとして機能する3Dアンカー点のコンパクトな集合を学習する。
Mip-NeRF 360とVR-NeRFの実験により、UniQueRはレンダリング品質と幾何学的精度の両方において最先端のフィードフォワード法を上回ることを示した。
論文 参考訳（メタデータ） (2026-03-24T06:42:02Z) - Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。
実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2026-01-01T12:48:56Z) - SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:32:01Z) - InsideOut: Integrated RGB-Radiative Gaussian Splatting for Comprehensive 3D Object Representation [14.738134337899536]
InsideOutは3D Gaussian splatting(3DGS)の拡張で、高忠実なRGB表面詳細と地下X線構造の間のギャップを埋める。
我々は、新しいペアRGBとX線データを収集し、RGBとX線放射型ガウスプレートを整列させる階層的フィッティングを行い、一貫した内部構造を確保するためのX線基準損失を提案する。
論文 参考訳（メタデータ） (2025-10-15T20:51:25Z) - Towards Integrating Multi-Spectral Imaging with Gaussian Splatting [8.908394706712395]
色(RGB)とマルチスペクトル画像(マルチスペクトル)を3次元ガウススティングフレームワークに統合する方法について検討する。
球面高調波色成分に直接マルチスペクトルデータを統合して、ガウスの多重スペクトル反射率をコンパクトにモデル化することを提案する。
論文 参考訳（メタデータ） (2025-08-31T20:53:35Z) - H3R: Hybrid Multi-view Correspondence for Generalizable 3D Reconstruction [39.22287224290769]
H3Rは、潜在融合と注目に基づく機能集約を統合するハイブリッドフレームワークである。
両パラダイムを統合することで,既存手法よりも2$times$高速に収束しながら,一般化が促進される。
本手法は,ロバストなクロスデータセットの一般化を実証しながら,可変数および高分解能な入力ビューをサポートする。
論文 参考訳（メタデータ） (2025-08-05T05:56:30Z) - Evolving High-Quality Rendering and Reconstruction in a Unified Framework with Contribution-Adaptive Regularization [27.509109317973817]
3D Gaussian Splatting (3DGS)は、高品質なレンダリングと高速な推論速度で注目されている。
従来の手法は主に幾何学的正則化に焦点を当てており、プリミティブベースのフレームワークやデュアルモデルフレームワークを含む一般的なアプローチがある。
本稿では,高画質表面再構成を実現するために,適応正規化を利用した統一モデルであるCarGSを提案する。
論文 参考訳（メタデータ） (2025-03-02T12:51:38Z)
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。