論文の概要: PixGR: Pixel-Space Generative Decoding for Fast Feed-Forward 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2610.31908v1
• Date: Thu, 22 Oct 2026 21:02:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.291873
• Title: PixGR: Pixel-Space Generative Decoding for Fast Feed-Forward 3D Reconstruction
• Title（参考訳）: PixGR: 高速フィードフォワード3D再構成のためのPixel空間生成デコーディング
• Abstract要約: PixGRは、軽量なピクセル空間生成モデリングをフィードフォワード3Dガウス再構成に統合する効率的なフレームワークである。 画素空間のフローマッチングを用いてこの処理を定式化し、3次元再構成のエンドツーエンドの最適化を可能にする。 PixGRは、スパースビュー設定に挑戦する上で、レグレッションベースのアプローチよりも優れていることを示す実験である。
• 参考スコア（独自算出の注目度）: 19.659441501344283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present PixGR, an efficient framework that integrates lightweight pixel-space generative modeling into feed-forward 3D Gaussian reconstruction to model scene uncertainty. Context observations are encoded once into a scene latent representation, which conditions generative decoding from noisy target views to produce a shared 3D Gaussian representation. We formulate this process using pixel-space flow matching, enabling end-to-end optimization of 3D reconstruction with direct pixel-space generative supervision through differentiable rendering. This avoids VAE-based latent compression and error propagation inherent in previous two-stage pipelines. To preserve feed-forward efficiency, PixGR caches the scene representation and performs iterative inference using a lightweight DiT decoder. Experiments demonstrate that PixGR outperforms regression-based approaches in challenging sparse-view settings, particularly with widely spaced observations and view extrapolation. Meanwhile, it maintains sub-second inference and remains competitive with substantially heavier pretrained generative models. Our project page is available at https://ranrhuang.github.io/pixgr/.
• Abstract（参考訳）: PixGRは、軽量な画素空間生成モデルとフィードフォワード3次元ガウス再構成を統合し、シーンの不確実性をモデル化する効率的なフレームワークである。 コンテキスト観測は、一度シーン潜在表現に符号化され、ノイズの多いターゲットビューから生成的復号を条件として、共有された3次元ガウス表現を生成する。 このプロセスは画素空間のフローマッチングを用いて定式化され、3次元再構成のエンドツーエンドの最適化が可能となる。 これにより、VAEベースの遅延圧縮と、以前の2段階パイプライン固有のエラー伝搬を回避することができる。 フィードフォワード効率を維持するため、PixGRはシーン表現をキャッシュし、軽量なDiTデコーダを使用して反復推論を行う。 実験により、PixGRはスパース・ビュー・セッティングに挑戦する回帰ベースのアプローチよりも優れており、特に広い範囲の観測と外挿が可能であることが示されている。 一方、サブ秒の推論を維持しており、かなり重い事前訓練された生成モデルと競合し続けている。 私たちのプロジェクトページはhttps://ranrhuang.github.io/pixgr/.com/で公開されています。

関連論文リスト

• PixGS: Pixel-Space Diffusion for Direct 3D Gaussian Splat Generation [0.6875312133832078]
  PixGSは、高品質な3DGSを直接生成するためのシングルステージパイプラインである。 本手法は3次元ガウス属性を各時間ステップで直接分解することにより,外観と幾何学の両方の正確なスプラレベル正規化を可能にする。
  論文  参考訳（メタデータ） (2026-07-02T07:18:37Z)
• Rethinking Image-to-3D Generation with Sparse Queries: Efficiency, Capacity, and Input-View Bias [70.88698584478983]
  SparseGenは,効率的な3次元画像生成のための新しいフレームワークである。 我々は、学習された3Dアンカークエリと学習された拡張演算子からなるコンパクトなスパースセットでシーンをモデル化する。 この結果から, スパース・セットラテント展開は, 効率的な3次元生成モデルのための基本的, 実用的な代替手段であると考えられる。
  論文  参考訳（メタデータ） (2026-04-15T14:15:02Z)
• Off The Grid: Detection of Primitives for Feed-Forward 3D Gaussian Splatting [33.7339252839354]
  本稿では,3次元ガウスプリミティブをサブピクセルレベルで検出するフィードフォワードアーキテクチャを提案する。 キーポイント検出にインスパイアされたデコーダは、プリミティブをイメージパッチに分散することを学ぶ。 得られたポーズフリーモデルは数秒でシーンを生成し、フィードフォワードモデルのための最先端の新規ビュー合成を実現する。
  論文  参考訳（メタデータ） (2025-12-17T14:59:21Z)
• iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
  iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。 NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2025-11-18T05:22:22Z)
• GSD: View-Guided Gaussian Splatting Diffusion for 3D Reconstruction [52.04103235260539]
  単一視点からの3次元オブジェクト再構成のためのガウススプティング表現に基づく拡散モデル手法を提案する。 モデルはGS楕円体の集合で表される3Dオブジェクトを生成することを学習する。 最終的な再構成されたオブジェクトは、高品質な3D構造とテクスチャを持ち、任意のビューで効率的にレンダリングできる。
  論文  参考訳（メタデータ） (2024-07-05T03:43:08Z)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• Triplane Meets Gaussian Splatting: Fast and Generalizable Single-View 3D Reconstruction with Transformers [37.14235383028582]
  本稿では,フィードフォワード推論を用いて,単一画像から3次元モデルを効率よく生成する,一視点再構成のための新しい手法を提案する。 提案手法では,2つのトランスフォーマーネットワーク,すなわちポイントデコーダとトリプレーンデコーダを用いて,ハイブリッドトリプレーン・ガウス中間表現を用いて3次元オブジェクトを再構成する。
  論文  参考訳（メタデータ） (2023-12-14T17:18:34Z)

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。