論文の概要: COGS: A Diagnostic Benchmark for Attribute-Aware Object-Level 3D Gaussian Splatting Perception

• arxiv url: http://arxiv.org/abs/2610.39201v1
• Date: Thu, 29 Oct 2026 02:23:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 07:34:10.877979
• Title: COGS: A Diagnostic Benchmark for Attribute-Aware Object-Level 3D Gaussian Splatting Perception
• Title（参考訳）: COGS:Attribute-Aware Object-Level 3D Gaussian Splatting Perceptionのための診断ベンチマーク
• Abstract要約: 3次元ガウス散乱(3DGS)は3次元知覚の入力表現として研究されている。 現行の3Dアーキテクチャがいかに異質なガウス的属性を利用するかは定かではない。 我々は,大規模3DGSデータセットであるCOGSを紹介した。
• 参考スコア（独自算出の注目度）: 33.60866716600824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) is increasingly explored as an input representation for 3D perception. Yet it remains unclear how current 3D architectures exploit heterogeneous Gaussian attributes. This ambiguity makes accuracy hard to interpret and limits principled architecture design for 3DGS perception. However, existing object-level 3DGS datasets lack the appearance variation or artifact control needed for systematic attribute-level analysis. We introduce COGS, a large-scale 3DGS dataset with 15,675 artifact-filtered and appearance-rich objects across 40 categories. Built on COGS, we establish COGS-Bench for object classification and attribute-usage diagnosis, complemented by external validation. Our benchmark shows that Gaussian attributes are not uniformly beneficial: selected subsets can outperform the full attribute set, and the effects of appearance, opacity, and covariance-related attribute combinations vary substantially across architectures. We further study this finding with HALO, a reference model that preserves attribute-specific evidence before hierarchical aggregation. Experiments on COGS-Bench and external 3DGS datasets demonstrate that COGS supports systematic diagnosis of 3DGS attribute usage, while HALO highlights the value of role-preserving attribute organization. Our dataset is available at https://huggingface.co/datasets/XiaoZhengCV/COGS.
• Abstract（参考訳）: 3次元ガウス散乱(3DGS)は3次元知覚の入力表現として研究されている。 しかし、現在の3Dアーキテクチャがいかに異質なガウス的属性を利用するかは定かではない。 この曖昧さは、3DGSの知覚において、アーキテクチャ設計の原則を解釈し、制限することを難しくする。 しかし、既存のオブジェクトレベルの3DGSデータセットは、体系的な属性レベルの分析に必要な外観変化やアーティファクト制御を欠いている。 我々は,大規模3DGSデータセットであるCOGSを紹介した。 COGS上に構築したCOGS-Benchは,外的検証によって補完され,オブジェクト分類と属性利用診断のためのCOGS-Benchである。 選択されたサブセットは、完全な属性セットよりも優れており、外観、不透明性、および共分散関連属性の組み合わせの影響は、アーキテクチャ間で大きく異なる。 さらに, 階層化前の属性特異的な証拠を保存する参照モデルであるHALOを用いて, この発見について検討する。 COGS-Benchおよび外部3DGSデータセットの実験では、COGSが3DGS属性の使用の体系的な診断をサポートする一方で、HALOはロール保存属性組織の価値を強調している。 私たちのデータセットはhttps://huggingface.co/datasets/XiaoZhengCV/COGSで公開されています。

関連論文リスト

• Learning Representations from 3D Gaussian Splats [0.0]
  3D Gaussian Splatting (3DGS) はシーンレンダリングにおける最近のアプローチである。 主にビュー合成のために設計されているが、シーン理解タスクの潜在能力は未解明のままである。 従来のポイントクラウドデータセットと専用のGaussian Splattingデータセットの両方にわたって、ポイントベースとグラフベースのモデルをベンチマークします。
  論文  参考訳（メタデータ） (2026-05-28T08:02:17Z)
• NG-GS: NeRF-Guided 3D Gaussian Splatting Segmentation [65.34304674634713]
  3DGSにおける高品質なオブジェクトセグメンテーションのためのフレームワークであるNG-GSを導入する。 本手法は, 境界mIoUにおいて, フォトリアリスティックな技術性能を実現し, 有意な利得が得られることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:14:07Z)
• Perceptual Quality Assessment of 3D Gaussian Splatting: A Subjective Dataset and Prediction Metric [76.66966098297986]
  3DGSの主観的品質評価データセットである3DGS-QAを提案する。 15種類の物体に対して225の劣化した復元を行い、共通の歪み要因の制御を可能にした。 本モデルでは,ガウス表現から空間的および測光的手がかりを抽出し,構造的に知覚された品質を推定する。
  論文  参考訳（メタデータ） (2025-11-11T09:34:20Z)
• EntropyGS: An Efficient Entropy Coding on 3D Gaussian Splatting [10.987074189295367]
  3DGSは、より優れた視覚的品質で高速なトレーニング/レンダリングを実演する。 まず3DGSガウス属性の相関と統計的解析から始める。 因数化およびパラメータ化エントロピー符号化法であるEntropyGSを提案する。
  論文  参考訳（メタデータ） (2025-08-13T22:48:49Z)
• 3DGS-IEval-15K: A Large-scale Image Quality Evaluation Database for 3D Gaussian-Splatting [38.666247000427674]
  3DGSは、視覚的忠実度の高いリアルタイムレンダリングを提供する、新しいビュー合成のための有望なアプローチとして登場した。 圧縮された3DGS表現に特化して設計された最初の大規模画像品質評価(IQA)データセットである3DGS-IEval-15Kを提案する。
  論文  参考訳（メタデータ） (2025-06-17T15:39:34Z)
• COB-GS: Clear Object Boundaries in 3DGS Segmentation Based on Boundary-Adaptive Gaussian Splitting [67.03992455145325]
  3D Gaussian Splatting(3DGS)に基づく3Dセグメンテーションは、オブジェクトの境界を正確に記述するのに苦労する。 セグメンテーション精度の向上を目的とした3DGS(COB-GS)のためのクリアオブジェクト境界を導入する。 意味指導には境界適応型ガウス分割法を導入する。 視覚的最適化のために、3DGSシーンの劣化したテクスチャを補正する。
  論文  参考訳（メタデータ） (2025-03-25T08:31:43Z)
• ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [112.40071212468843]
  3D Gaussian Splatting (3DGS)は多くの視覚タスクにおいて3D表現の事実上の方法となっている。 一般的なShapeNet, ModelNet, averseを用いて3DGSの大規模データセットを構築した。 本稿では,ガウスパラメータからの表現学習の独特な利点を浮き彫りにしたガウスMAEを紹介する。
  論文  参考訳（メタデータ） (2024-08-20T14:49:14Z)

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。