論文の概要: MCSplat: Multi-View Photometric and Geometric Consistent Feed-Forward Gaussian Splatting for Driving Scenes
- arxiv url: http://arxiv.org/abs/2610.25345v1
- Date: Sun, 18 Oct 2026 15:40:44 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:16:15.119163
- Title: MCSplat: Multi-View Photometric and Geometric Consistent Feed-Forward Gaussian Splatting for Driving Scenes
- Title（参考訳）: MCSplat: 運転シーンのための多視点測光および幾何学的一貫性フィードフォワードガウススプレイティング
- Abstract要約: シーンを駆動するための多視点フィードフォワードガウススプレイティングフレームワークである textbfMCSplat を提案する。
MCSplatは、奥行き誘導マルチカメラ対応から標準の外観空間を構築し、カメラ固有の外観から幾何学学習を分離する。
大規模な実験では、運転データセット間の再構築品質と一般化が改善された。
- 参考スコア（独自算出の注目度）: 27.43782325085804
- License:
- Abstract: Driving-scene reconstruction via feed-forward Gaussian splatting from sparse multi-view images remains challenging due to two factors. First, cross-camera photometric inconsistency, caused by variations in exposure, ISP, and illumination, can be incorrectly absorbed into Gaussian geometry. Second, unreliable local geometric supervision arises from normal-based constraints near depth discontinuities. To address these issues, we present \textbf{MCSplat}, a multi-view consistent feed-forward Gaussian splatting framework for driving scenes. MCSplat constructs a canonical appearance space from depth-guided multi-camera correspondences to decouple geometry learning from camera-specific appearance. A multi-scale Bilateral Grid Transformer restores raw camera appearance from canonical renderings, enabling photometric supervision without contaminating Gaussian geometry. To improve local geometric reliability, we estimate Fisher-information-based uncertainty from photometric sensitivity and use it to adaptively weight surface-oriented self-supervision. Extensive experiments demonstrate improved reconstruction quality and generalization across driving datasets. Geometry-oriented evaluations further reveal enhanced cross-view depth consistency and local surface-normal agreement, while qualitative results show fewer geometric artifacts and more coherent structures across overlapping views.
- Abstract（参考訳）: スパース多視点画像からのフィードフォワードガウシアンスプラッティングによる運転シーン再構築は2つの要因により困難である。
第一に、露光、ISP、照明のばらつきによって生じるクロスカメラ光度不整合は、誤ってガウス幾何学に吸収される。
第二に、信頼できない局所幾何学的監督は、深さの不連続性に近い正規ベースの制約から生じる。
これらの問題に対処するため、シーンを駆動するための多視点フィードフォワードガウススプラッティングフレームワークである \textbf{MCSplat} を提示する。
MCSplatは、奥行き誘導マルチカメラ対応から標準の外観空間を構築し、カメラ固有の外観から幾何学学習を分離する。
マルチスケールのバイラテラルグリッドトランスは、標準レンダリングから生カメラの外観を復元し、ガウス幾何学を汚染することなく光度監視を可能にする。
局所的な幾何的信頼性を向上させるために、光度感度からフィッシャー情報に基づく不確実性を推定し、それを適応的に表面向きの自己スーパービジョンに利用する。
大規模な実験では、運転データセット間の再構築品質と一般化が改善された。
幾何指向的な評価により、横方向の深さの整合性と局所表面の正規整合性がさらに高められ、定性的な結果は、重なり合うビューにまたがる幾何学的アーティファクトやよりコヒーレントな構造がより少ないことを示している。
関連論文リスト
- 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) - Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - SatSplatDiff: Geometry-preserving generative refinement for high-fidelity satellite Gaussian Splatting [2.1020608889102688]
そこで我々は,SatSplatDiffを提案する。
本手法は,極小幻覚とセンサの持続的な外観で最大5倍の解像度向上を実現する。
論文 参考訳（メタデータ） (2026-06-25T16:12:36Z) - IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。
IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。
連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
論文 参考訳（メタデータ） (2026-05-15T17:59:57Z) - GVGS: Gaussian Visibility-Aware Multi-View Geometry for Accurate Surface Reconstruction [15.170414649311441]
3D Gaussian Splattingは効率的な最適化と高品質なレンダリングを実現するが、正確な表面再構成は難しいままである。
ビュー間で共有されたガウス的プリミティブの可視性を集約する、可視性を考慮した多視点幾何的整合性制約を導入する。
また,粗い空間スケールから細かな空間スケールへのブロックワイドアフィンキャリブレーションを行う,プログレッシブクワッドツリー校正単分子深度制約を提案する。
論文 参考訳（メタデータ） (2026-01-28T07:48:51Z) - VA-GS: Enhancing the Geometric Representation of Gaussian Splatting via View Alignment [48.147381011235446]
3D Gaussian Splattingは、リアルタイムな新規ビュー合成のための効率的なソリューションとして最近登場した。
ビューアライメントによる3次元ガウス多様体の幾何学的表現を強化する新しい手法を提案する。
本手法は, 表面再構成と新しいビュー合成の両面において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-10-13T14:44:50Z) - 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)
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。