論文の概要: GOFish: Full Field-of-View Gaussian Splatting and Mesh Extraction

• arxiv url: http://arxiv.org/abs/2610.37818v1
• Date: Tue, 27 Oct 2026 18:32:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 19:35:05.972227
• Title: GOFish: Full Field-of-View Gaussian Splatting and Mesh Extraction
• Title（参考訳）: GOFish: フル視野ガウススプレイティングとメッシュ抽出
• Abstract要約: シミュレーション可能なデジタル双対は、フル視野(FoV)と整列した衝突メッシュに光現実性を必要とする。 魚眼画像のレンダリングを直接訓練する最初の3次元ガウス平板表面再構成法であるGOFishを提案する。 キャリブレーションされたデンシフィケーションは、FoV全体の表面を回復する一方、ワイドアングル外観モデリングは、ピクセルのぼやけとレンズのずれをシーンやメッシュから取り除く。
• 参考スコア（独自算出の注目度）: 53.884367610649754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robots, autonomous vehicles, and consumer 360° cameras use fisheye lenses for wide fields of view (FoVs). Simulation-ready digital twins require photorealistic rendering across the full FoV and an aligned collision mesh. However, prior fisheye Gaussian Splatting methods only rasterize up to 180° and do not produce meshes, while Gaussian surface reconstruction methods assume pinhole training images. We present GOFish, the first 3D Gaussian Splatting surface reconstruction method to train directly on fisheye images, rasterize FoVs beyond 180°, and extract an aligned mesh from the same scene. Calibrated densification recovers the surface across the entire FoV, while Calibrated Mip Filtering and Wide-Angle Appearance Modeling keep pixel blur and lens falloff out of the scene and mesh. Across the 200° FIORD and 205° FullCircle benchmarks, GOFish improves PSNR over the best prior method by 2.28 and 1.97 dB, respectively. It also outperforms fisheye rendering baselines within their own FoVs and achieves the highest mesh F-score on FIORD and the main ScanNet++ set. Together, the Gaussian scene and mesh form a LiDAR-free, simulation-ready digital twin that renders in real time, ray traces the full FoV, and provides collision geometry.
• Abstract（参考訳）: ロボット、自動運転車、360度カメラは、広視野(FoV)用の魚眼レンズを使用する。 シミュレーション可能なデジタルツインは、フルFoVとアライメントされた衝突メッシュに光写実性レンダリングを必要とする。 しかし,従来の魚眼のガウススプラッティング法は180°までしかラスタ化せず,メッシュを生成せず,ガウス表面の再構成法はピンホールの訓練像を仮定する。 魚眼画像を直接訓練し、180°を超えるFoVをラスタライズし、同一シーンからアライメントメッシュを抽出する最初の3次元ガウススティング表面再構成法であるGOFishを提案する。 Calibrated Mip Filtering and Wide-Angle Appearance Modelingは、ピクセルのぼかしとレンズのずれをシーンやメッシュから取り出す。 200° FIORD と 205° FullCircle のベンチマークで、GOFish は PSNR を2.28dB と 1.97dB で改善した。 また、魚眼レンダリングのベースラインを自身のFoVで上回り、FIORDとメインのScanNet++セット上で最高のメッシュFスコアを達成する。 ガウスのシーンとメッシュは、LiDARのないシミュレーション可能なデジタルツインを形成し、リアルタイムでレンダリングし、完全なFoVをトレースし、衝突幾何学を提供する。

関連論文リスト

• InfiniSplat v2: Analyzing and Improving Feed-Forward 3DGS from Any Views [74.16877540289617]
  InfiniSplat v2を導入することで、アーキテクチャやトレーニングの変更によるレンダリング品質の向上を実現します。 本手法は, 凍結した幾何学分岐を用いて, 形状予測と属性予測を分離する。 画像再構成のみを用いて学習した不透明度は、幾何学的に矛盾する点を抑える。
  論文  参考訳（メタデータ） (2026-10-14T15:21:57Z)
• Underwater360: Reconstructing Underwater Scenes from Panoramic Images with Omnidirectional Gaussian Splatting [22.94193985923809]
  水環境の浸水探査には水中環境の再構築が不可欠である。 水中シーン再構築のための物理インフォームド全方位3DGSフレームワークである textbfUnderwater360 を提案する。 Underwater360は、水中の新しいビュー合成とシーンの外観復元において優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-05-26T02:01:06Z)
• DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization [17.91043282211744]
  3D Gaussian Splatting (3DGS)は、リアルタイム高忠実なレンダリングによる日常画像からの効率的な3Dシーン再構築を実現している。 より広い視野(FOV)を持つ魚眼カメラは、少ない入力から高品質な再構築を約束する。
  論文  参考訳（メタデータ） (2026-04-01T09:00:04Z)
• 3D Gaussian Flats: Hybrid 2D/3D Photometric Scene Reconstruction [62.84879632157956]
  本研究では,平面平面(2D)ガウスと自由形式(3D)ガウスを連立最適化するハイブリッド2D/3D表現を提案する。 我々のエンドツーエンドアプローチは、平面領域を動的に検出・洗練し、視覚的忠実度と幾何学的精度の両方を改善する。 ScanNet++とScanNetv2の最先端の深さ推定を実現し、特定のカメラモデルに過度に適合することなくメッシュ抽出に優れる。
  論文  参考訳（メタデータ） (2025-09-19T21:04:36Z)
• Evaluating Fisheye-Compatible 3D Gaussian Splatting Methods on Real Images Beyond 180 Degree Field of View [19.622011456518614]
  魚眼をベースとした3Dガウス法(魚眼GS法)と3DGUT法(魚眼GS法と3DGUT法)の視界180度を超える実画像上での最初の評価を行った。 我々は200度の魚眼カメラで捉えた屋内と屋外の両方のシーンについて調査した。
  論文  参考訳（メタデータ） (2025-08-09T12:29:17Z)
• FIORD: A Fisheye Indoor-Outdoor Dataset with LIDAR Ground Truth for 3D Scene Reconstruction and Benchmarking [29.634708606525727]
  本研究では,シーン再構築作業に適した魚眼画像データセットを提案する。 2つの200度の魚眼レンズを使って、私たちのデータセットは5つの屋内と5つの屋外のシーンの完全な360度カバレッジを提供します。 それぞれのシーンには、SfM点雲と正確なLIDAR由来の高密度な点雲があり、幾何学的な地平線として使用できる。
  論文  参考訳（メタデータ） (2025-04-02T13:41:23Z)
• Hybrid Explicit Representation for Ultra-Realistic Head Avatars [55.829497543262214]
  我々は,超現実的な頭部アバターを作成し,それをリアルタイムにレンダリングする新しい手法を提案する。 UVマップされた3Dメッシュは滑らかな表面のシャープでリッチなテクスチャを捉えるのに使われ、3Dガウス格子は複雑な幾何学構造を表現するために用いられる。 モデル化された結果が最先端のアプローチを上回る実験を行ないました。
  論文  参考訳（メタデータ） (2024-03-18T04:01:26Z)
• PERF: Panoramic Neural Radiance Field from a Single Panorama [109.31072618058043]
  PERFはパノラマ性神経放射場を1つのパノラマから訓練する新しいビュー合成フレームワークである。 本研究では,360度2Dシーンを3Dシーンに持ち上げるために,新しい共同RGBDインペイント法とプログレッシブ・インペイント・アンド・エラスティング法を提案する。 PERFは,パノラマから3D,テキストから3D,3Dシーンのスタイリングなど,現実世界のアプリケーションに広く利用することができる。
  論文  参考訳（メタデータ） (2023-10-25T17:59:01Z)

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。