論文の概要: FineSplat: Fine Patches, Local Groups, Detailed Splats

• arxiv url: http://arxiv.org/abs/2610.25011v1
• Date: Sun, 18 Oct 2026 04:44:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:28:46.015119
• Title: FineSplat: Fine Patches, Local Groups, Detailed Splats
• Title（参考訳）: FineSplat: きめ細かいパッチ、ローカルグループ、詳細はSplats
• Abstract要約: FineSplatは、きめ細かいイメージパッチを中心に構築されたフィードフォワード3DGSフレームワークである。 我々は、再構成エラーを直接フィードバックとして活用し、きめ細かな構造と外観を復元するための明示的なレンダリングベースの信号を提供する。
• 参考スコア（独自算出の注目度）: 18.169099637374202
• License:
• Abstract: Feed-forward 3D Gaussian Splatting (3DGS) promises instant scene reconstruction with high-quality novel-view synthesis. Yet, fine-grained geometry and appearance remain difficult to recover, motivating us to revisit how feed-forward models represent, aggregate, and refine detailed visual information. We introduce FineSplat, a feed-forward 3DGS framework built around fine-grained image patches. Since global multi-view attention becomes prohibitively expensive at such high token resolutions, we develop a dual-grouping strategy that combines two complementary forms of locality: view-wise grouping enables efficient interaction among neighboring views, while 3D spatial grouping reconnects geometrically related tokens that may never have interacted under view-wise grouping by lifting them into the 3D scene space. We further leverage reconstruction error as direct feedback, providing an explicit rendering-based signal to recover fine-grained structures and appearance, thereby overcoming the limitations of one-pass feed-forward prediction. Finally, a compact Gaussian generation scheme preserves the benefits of fine-grained features without unnecessarily increasing the number of primitives. Together, these designs enable FineSplat to recover richer geometry and appearance while remaining efficient and compact, achieving state-of-the-art results by a substantial margin, under the same or smaller Gaussian budgets than existing methods.
• Abstract（参考訳）: フィードフォワード3Dガウススプラッティング(3DGS)は、高品質なノベルビュー合成による瞬間的なシーン再構築を約束する。 しかし、きめ細かい形状や外観は依然として回復が困難であり、フィードフォワードモデルがどのように詳細な視覚情報を表現し、集約し、洗練するかを再考する動機となっている。 我々は,微細なイメージパッチを中心に構築されたフィードフォワード3DGSフレームワークであるFineSplatを紹介する。 グローバルなマルチビューアテンションは、このような高いトークン解像度では不当に高価になるので、ビューワイズ・グルーピングは近隣のビュー間の効率的な相互作用を可能にし、3次元空間グルーピングは、ビューワイズ・グルーピングの下で相互作用しなかったかもしれない幾何学的関連トークンを3次元シーン空間に持ち上げるという2つの相補的な形式を組み合わせた2つのグルーピング・ストラテジーを開発する。 さらに、再構成誤差を直接フィードバックとして活用し、微細な構造や外観を復元するための明示的なレンダリングベースの信号を提供することにより、ワンパスフィードフォワード予測の限界を克服する。 最後に、コンパクトガウス生成スキームは、プリミティブの数を増やすことなく、きめ細かい特徴の利点を保っている。 これらの設計により、ファインストラットは、効率的でコンパクトなまま、よりリッチな幾何学と外観を回復することができ、既存の手法と同じまたはより小さなガウス的予算の下で、最先端の成果をかなりのマージンで達成することができる。

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)
• C3G: Learning Compact 3D Representations with 2K Gaussians [55.04010158339562]
  近年の手法では3次元ガウススプラッティングを再構成に用い, シーン理解のための2D-to-3D機能昇降ステージが提案されている。 提案するC3Gは,空間的にのみコンパクトな3次元ガウスを推定する新しいフィードフォワードフレームワークである。
  論文  参考訳（メタデータ） (2025-12-03T17:59:05Z)
• OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
  OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。 提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
  論文  参考訳（メタデータ） (2025-09-27T11:19:32Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)

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。