論文の概要: Counting Contributions, Not Views: Occlusion-Aware Densification for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.27108v1
• Date: Mon, 19 Oct 2026 18:09:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.450917
• Title: Counting Contributions, Not Views: Occlusion-Aware Densification for 3D Gaussian Splatting
• Title（参考訳）: コントリビューションの数え方:3次元ガウススプラッティングにおけるオクルージョン・アウェア・デンシフィケーション
• Abstract要約: 適応密度制御(ADC)によるスパース初期化による3次元ガウス平滑化 我々は,正規化統計をガウスが実際に貢献するビューに制限するオクルージョン対応フィルタを使用し,基準値の生のビューカウント正規化を平均貢献度に置き換える。
• 参考スコア（独自算出の注目度）: 18.932127219884197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting grows a dense scene from a sparse initialization through adaptive density control (ADC), driven by per-Gaussian statistics gathered during rendering. These statistics pass a frustum-based visibility filter blind to occlusion: fully occluded Gaussians still count as observed, diluting the averaged gradient signal and suppressing densification precisely where geometry is occluded. We correct this with an occlusion-aware filter that restricts densification statistics to views in which a Gaussian actually contributes, and replace the criterion's raw view-count normalizer with an average-contribution one. Integrated into a StopThePop-based framework, the two together improve every image-quality metric over the occlusion-blind baseline on occlusion-heavy scenes (up to 6% lower LPIPS), at less than half the Gaussians a view-count normalizer requires. Under the longer schedules these large scenes require, the count stays bounded where most criteria diverge, and on smaller benchmarks our method stays competitive at a fraction of the competitors' count.
• Abstract（参考訳）: 3Dガウススプラッティングは、レンダリング中に収集されたガウス毎の統計によって駆動される適応密度制御(ADC)によるスパース初期化から密なシーンを成長させる。 完全に隠蔽されたガウス人は依然として観測されているように数え、平均的な勾配信号は弱め、幾何が隠蔽されている正確な密度を抑える。 本稿では, 正規化統計をガウスが実際に貢献するビューに限定するオクルージョン対応フィルタを用いて補正し, 基準値の生のビューカウント正規化を平均貢献度に置き換える。 StopThePopベースのフレームワークに統合されたこの2つのフレームワークは、オクルージョンが重いシーン(最大6%低いLPIPS)におけるオクルージョン・ブラインドベースラインよりも画質の指標を、ビューカウント正規化が要求するガウスの半分未満で改善する。 これらの大きなシーンが要求される長いスケジュールの下では、カウントはほとんどの基準が分岐する場所の境界に留まり、より小さなベンチマークでは、我々のメソッドは競合相手のカウントのごく一部で競合するままである。

関連論文リスト

• Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
  3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。 本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
  論文  参考訳（メタデータ） (2026-08-16T09:43:50Z)
• AdaGScale: Viewpoint-Adaptive Gaussian Scaling in 3D Gaussian Splatting to Reduce Gaussian-Tile Pairs [5.094033580907522]
  本稿では,ガウスのタイル対数を削減するために,視点適応型ガウススケーリング手法を提案する。 AdaGScaleはガウス中心から遠く離れた周辺タイルがピクセルの色蓄積に無視的に寄与しているという観測に基づいている。 AdaGScaleは、GPU上の元の3D-GSよりも13.8倍高速で、都市スケールのシーンではPSNRが0.5dB程度しか劣化しない。
  論文  参考訳（メタデータ） (2026-04-21T02:07:02Z)
• GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
  3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。 大量のガウス点があるため、高いメモリコストに制約される。 コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
  論文  参考訳（メタデータ） (2026-04-02T10:41:51Z)
• F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting [28.800888081472422]
  本稿では,フィードフォワード3次元ガウス分割のためのフィードフォワード予測デンシフィケーションを行うF4Splatを提案する。 本モデルでは, 地域ごとの密度化スコアを推定し, 必要なガウス密度を推定し, 最終ガウス予算の明示的な制御を可能にする。 実験により,従来のフィードフォワード法と比較して,本モデルが優れた新規ビュー合成性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-03-22T16:03:56Z)
• Metropolis-Hastings Sampling for 3D Gaussian Reconstruction [31.840492077537018]
  3次元ガウス平滑化のための適応型サンプリングフレームワーク(3DGS)を提案する。 我々の枠組みは, 確率的サンプリングプロセスとして, デンシフィケーションとプルーニングを改質することで限界を克服する。 提案手法は,最先端モデルのビュー合成品質を適度に上回りながら,より高速な収束を実現する。
  論文  参考訳（メタデータ） (2025-06-15T19:12:37Z)
• 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)
• Direct Measure Matching for Crowd Counting [59.66286603624411]
  そこで本研究では,予測密度マップを散乱点付基底真理に直接回帰する測度に基づく新しい計数手法を提案する。 本稿では, シンクホーンの測位損失を計測するために設計した, 半平衡型のシンクホーン発散を導出する。
  論文  参考訳（メタデータ） (2021-07-04T06:37:33Z)
• Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
  閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。 最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。 遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
  論文  参考訳（メタデータ） (2021-04-06T10:32:03Z)
• Distribution Matching for Crowd Counting [51.90971145453012]
  アノテーションにガウスを付与することは一般化性能を損なうことを示す。 我々は,群集CoUNTing (DM-Count) における分布マッチングの利用を提案する。 平均絶対誤差(Mean Absolute Error)の観点では、DM-Countは従来の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-09-28T04:57:23Z)

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。