論文の概要: RIDE-Splat: Reflection Removal for In-the-Wild Driving Environments

• arxiv url: http://arxiv.org/abs/2610.34632v1
• Date: Sun, 25 Oct 2026 23:11:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.650738
• Title: RIDE-Splat: Reflection Removal for In-the-Wild Driving Environments
• Title（参考訳）: RIDE-Splat: 無線運転環境における反射除去
• Abstract要約: RIDE-Splatは、ポーズドライビングビデオからの反射のない3D再構成のためのパイプラインである。 フロントガラスを通した世界一貫性のある送信を3DGSのシーンに割り当て、カメラ対応のリフレクションを1つの共有署名されたRGB画像に割り当てる。 推論時に、反射画像を破棄し、標準の3DGSレンダリングパスを保存する。
• 参考スコア（独自算出の注目度）: 47.94670926552763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driving video captured through a windshield violates the world-space consistency assumed by 3D Gaussian Splatting (3DGS): the road scene exhibits parallax while cabin reflections remain attached to the camera, causing standard 3DGS to embed reflected content into the reconstructed scene. We introduce RIDE-Splat, a pipeline for reflection-free 3D reconstruction from posed driving video without clean images, reflection masks, or pretrained networks. RIDE-Splat assigns world-consistent transmission through the windshield to a 3DGS scene and the dominant camera-attached reflection to one shared, signed RGB image. It builds the clean reconstruction in two passes. First, it learns the 3D geometry and the signed reflection image, representing both added radiance and transmission attenuation. Then, it uses the reflection-removed training images to fit a clean 3DGS model. At inference, the reflection image is discarded, preserving the standard 3DGS rendering path. We also introduce the RIDE-Splat Dataset, the first 3D reconstruction benchmark for reflection removal from driving video -- with real driving scenes, physical windshield reflections in training views, and separately captured non-reflective evaluation images. Across the RIDE-Splat Dataset, XLD, and Wayve, RIDE-Splat outperforms 3DGS, DC-Gaussian, and RobustSplat on all nine aggregate metrics, improving PSNR by up to 3.59 dB and reducing LPIPS by up to 0.0876. We achieve the highest metrics in 38 out of 42 per-scene comparisons and removes windshield reflections that remain visible in the baselines while preserving the transmitted scene.
• Abstract（参考訳）: フロントガラスを通して撮影した動画は、3Dガウス・スプレイティング(3DGS)が想定する世界空間の一貫性に反し、道路シーンはパララックスを示し、キャビンの反射はカメラに付着し、標準の3DGSは反射したコンテンツを再構成されたシーンに埋め込む。 RIDE-Splatは,映像や反射マスク,トレーニング済みネットワークを使わずに,ポーズ付き駆動映像から反射のない3次元再構成を行うパイプラインである。 RIDE-Splatは3DGSシーンにフロントガラスを通した世界に一貫性のある送信を割り当て、カメラが対応したリフレクションを1つの共有署名されたRGB画像に割り当てる。 クリーンな再建は2つのパスで行われます。 まず3次元形状と符号付き反射像を学習し、放射率と透過減衰を同時に表現する。 そして、反射除去したトレーニング画像を使って、クリーンな3DGSモデルに適合する。 推論時に、反射画像を破棄し、標準の3DGSレンダリングパスを保存する。 RIDE-Splat Datasetは、実際の運転シーン、トレーニングビューにおける物理的なフロントガラス反射、非反射評価画像の分離を含む、ドライブビデオからの反射除去のための最初の3D再構成ベンチマークである。 RIDE-Splatデータセット、XLD、Wayve全体で、RIDE-Splatは3DGS、3DGS、DC-Gaussian、RobustSplatの合計9つの測定値でパフォーマンスを上回り、PSNRを最大3.59dB改善し、LPIPSを最大0.0876削減した。 送信シーンを保存しながらベースラインに残されているフロントガラス反射を除去し,42点中38点において最も高い測定値を得た。

関連論文リスト

• SSA-3DGS: Unsupervised Removal of Screen-Space Artifacts for 3D Gaussian Splatting [0.8092772265574579]
  SSA-3DGSは3Dシーンと学習可能な2Dオーバレイを協調的に最適化し,クリーンな3Dシーンと破損したアーティファクトを復元する,教師なしのフレームワークである。 SSA-3DGSは、同じ破損した入力でトレーニングされた3DGSに対して最大9dBのPSNRで復元の忠実性を向上すると同時に、破損したアーティファクトを忠実に保存する。
  論文  参考訳（メタデータ） (2026-07-06T19:51:49Z)
• Drive-Through 3D Vehicle Exterior Reconstruction via Dynamic-Scene SfM and Distortion-Aware Gaussian Splatting [16.30721514005399]
  自動車外装の高忠実な3D再構築は、オンライン自動車市場における購入者の信頼を高める。 これらのモデルを散らかしたディーラードライブスルーで生成することは、深刻な技術的課題をもたらす。 2ピラーカメラリグを用いたエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-27T17:42:42Z)
• Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
  Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。 提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。 そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-07-08T15:45:08Z)
• S3R-GS: Streamlining the Pipeline for Large-Scale Street Scene Reconstruction [58.37746062258149]
  3D Gaussian Splatting(3DGS)は、3D再構成の分野を変え、素晴らしいレンダリング品質とスピードを実現した。 既存の手法では、シーンサイズが大きくなるにつれて、ビューポイント当たりの再生コストが急速に増大する。 大規模なストリートシーン再構築のためのパイプラインをストリーム化する3DGSフレームワークであるS3R-GSを提案する。
  論文  参考訳（メタデータ） (2025-03-11T09:37:13Z)
• 3D StreetUnveiler with Semantic-aware 2DGS -- a simple baseline [66.90611944550392]
  StreetUnveilerは、混雑した観察から空の通りの3D表現を学習する。 空の街路シーンを、観察された、部分的に観察された、保存されていない領域に分割する。 街路景観データセットを用いた実験により, 空き路の3次元表現の再構築に成功した。
  論文  参考訳（メタデータ） (2024-05-28T17:57:12Z)
• Mirror-3DGS: Incorporating Mirror Reflections into 3D Gaussian Splatting [27.361324194709155]
  Mirror-3DGSは鏡の幾何学と反射を正確に扱うように設計された新しいフレームワークである。 ミラー属性を3DGSに組み込むことで、ミラー3DGSはミラーの後ろからミラー化された視点をシミュレートし、シーンレンダリングのリアリズムを高める。
  論文  参考訳（メタデータ） (2024-04-01T15:16:33Z)
• DRWR: A Differentiable Renderer without Rendering for Unsupervised 3D Structure Learning from Silhouette Images [70.54067838587692]
  2次元画像から教師なし3次元構造学習のための微分可能なレンダリング(DRWR)を提案する。 DRWRは、再構成された3次元点雲の射影が基底の真理天体シルエットをどれだけよく覆っているかを評価する、単純だが効果的な損失に依存している。 その結果, DRWRの精度は, 従来手法よりも質的, 定量的に優れていたことがわかった。
  論文  参考訳（メタデータ） (2020-07-12T23:13:06Z)

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。