論文の概要: GeoGSplat: Geometry-Grounded Non-Pixel-Aligned Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.36760v1
• Date: Tue, 27 Oct 2026 07:15:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.534704
• Title: GeoGSplat: Geometry-Grounded Non-Pixel-Aligned Gaussian Splatting
• Title（参考訳）: GeoGSplat:Geometry-Grounded Non-Pixel-Aligned Gaussian Splatting
• Abstract要約: GeoGSplatは、幾何学的事前を非ピクセル対応のフレームワークに明示的に組み込んだフィードフォワードモデルである。 デュアルブランチエンコーダはAnchorsとTriplaneを構築し、粗い3D構造ときめ細かいシーン特徴をキャプチャする。 GeoGSplatは、DTUおよびNRGBD上の最先端の画素アライメント法と非画素アライメントのガウスアライメント法の両方を超越している。
• 参考スコア（独自算出の注目度）: 29.541750917392406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feed-forward Gaussian Splatting enables efficient novel view synthesis, but pixel-aligned prediction makes the primitive count grow with image resolution and view count, leading to substantial redundancy and increased computational cost. Non-pixel-aligned methods address this limitation by predicting a fixed number of Gaussians. Without explicit ray and depth constraints, these methods yield misplaced Gaussian centers, causing rendering artifacts under large viewpoint changes. To address this issue, we introduce GeoGSplat, a geometry-grounded feed-forward model that explicitly incorporates geometric priors into the non-pixel-aligned framework. A dual-branch encoder constructs Anchors and Triplane to capture coarse 3D structure and fine-grained scene features, respectively. Subsequently, a hierarchical decoder progressively decodes dense 3D points and Gaussian primitives, enabling 3D reconstruction and novel view synthesis. GeoGSplat surpasses both state-of-the-art pixel-aligned and non-pixel-aligned Gaussian Splatting methods on DTU and NRGBD in terms of novel view synthesis and reconstruction. The advantage of our geometry-grounded paradigm further increases as target viewpoints move farther from the input cameras, demonstrating stronger generalization to large viewpoint changes. Project Page: https://comedy0913.github.io/projects/geogsplat
• Abstract（参考訳）: フィードフォワードガウススプラッティングは、効率的な新しいビュー合成を可能にするが、ピクセル整列予測により、画像の解像度とビューカウントによってプリミティブカウントが増大し、かなりの冗長性と計算コストが増大する。 非ピクセル整列法は、ガウスの固定数の予測によってこの制限に対処する。 明示的な光線と奥行きの制約がなければ、これらの手法はガウス中心の配置を誤ったものにし、大きな視点でアーチファクトをレンダリングする。 この問題に対処するため,GeoGSplatは幾何学的先行を非ピクセル対応のフレームワークに明示的に組み込んだ幾何学的フィードフォワードモデルである。 デュアルブランチエンコーダは、AnchorsとTriplaneを構築し、粗い3D構造ときめ細かいシーン特徴をそれぞれキャプチャする。 その後、階層的デコーダは、高密度な3Dポイントとガウス的プリミティブを段階的にデコードし、3D再構成と新しいビュー合成を可能にする。 GeoGSplat は,DTU と NRGBD 上の最先端の画素整列法と非画素整列型ガウス整列法を,新規なビュー合成と再構成の観点から上回っている。 対象視点が入力カメラから遠ざかるにつれて,我々の幾何学的パラダイムの利点はさらに増大し,大きな視点変化への強力な一般化が示される。 Project Page: https://comedy0913.github.io/projects/geogsplat

関連論文リスト

• InfiniSplat: Implicit Gaussian Decoding for Large-Baseline Monocular View Synthesis [49.87457834078904]
  InfiniSplatはフィードフォワードのシングルイメージ3DGSフレームワークで、ピクセル整列表現から表面整列表現へ移行する。 InfiniSplatは、単一イメージのフィードフォワードベースラインと比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-08-03T16:17:39Z)
• GeoGS-SLAM: Geometry-Only Gaussian Splatting for Dense Monocular SLAM [6.344587694040345]
  既存の3DGSフレームワークは外観モデリングと幾何学モデリングの両方に焦点を当てている。 本研究では,シーン形状を直接再構成するGeoGS(Geometry-only Gaussian Splatting)を提案する。 GeoGSは、プリミティブ単位のパラメータ数を80%以上削減するために、空間パラメータのみを保持する。
  論文  参考訳（メタデータ） (2026-07-08T14:22:05Z)
• PointSplat: Compact Gaussian Splatting via Human-Centric Prediction [70.45838533838104]
  本研究では,ハエのインプットビューから3次元人間表現を創出する新しい人間中心のアプローチであるPointSplatを提案する。 提案手法は,まず粗い幾何学的プロキシを推定し,冗長点を起点とするレイキャスティングを行う。 その後、ポイント・イメージ・トランスフォーマーを使用して外観と幾何学的特徴を融合させ、ガウスの属性を1つの前方通過で予測する。
  論文  参考訳（メタデータ） (2026-06-30T17:59:05Z)
• AnchorSplat: Feed-Forward 3D Gaussian Splatting with 3D Geometric Priors [23.943522711585597]
  シーンレベルの再構築のための新しいフィードフォワード3DGSフレームワークであるAnchorSplatを提案する。 アンカーアラインのガウス表現は3次元幾何学的先行によって導かれる。 設計により、必要なガウス人の数は大幅に減少する。
  論文  参考訳（メタデータ） (2026-04-08T13:04:54Z)
• GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance [60.86483080195698]
  3D Gaussian Splattingは、レンダリング効率と品質において優れた性能を示している。 既存の手法では、ガウス原始体を推定するための幾何学的参照として点写像を予測することを検討した。 GaussianGrowは、簡単にアクセス可能な3Dポイントクラウドからガウシアンを成長させることで、3Dガウシアンを生成する新しいアプローチである。
  論文  参考訳（メタデータ） (2026-04-07T11:23:23Z)
• GGPT: Geometry Grounded Point Transformer [22.64445696362087]
  本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。 この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
  論文  参考訳（メタデータ） (2026-03-11T18:00:04Z)
• SaLon3R: Structure-aware Long-term Generalizable 3D Reconstruction from Unposed Images [31.94503176488054]
  SaLon3Rは構造対応の長期3DGS再構成のための新しいフレームワークである。 10 FPS以上で50以上のビューを再構築でき、50%から90%の冗長性除去が可能である。 提案手法は, 1回のフィードフォワードパスにおいて, アーティファクトを効果的に解決し, 冗長な3DGSを創出する。
  論文  参考訳（メタデータ） (2025-10-16T18:37:10Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Trim 3D Gaussian Splatting for Accurate Geometry Representation [72.00970038074493]
  画像から正確な3次元形状を復元するためにTrim 3D Gaussian Splatting (TrimGS)を導入する。 実験および理論的解析により、比較的小さなガウススケールが複雑な詳細を表現・最適化する非無視因子であることが判明した。 元の3DGSと最先端の2DGSと組み合わせると、TrimGSは一貫してより正確な幾何学と高い知覚品質が得られる。
  論文  参考訳（メタデータ） (2024-06-11T17:34:46Z)

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。