論文の概要: OctreeSplat: Hierarchical Octree-Guided Feed-Forward Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2611.02658v1
• Date: Mon, 02 Nov 2026 07:17:04 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:08:02.667429
• Title: OctreeSplat: Hierarchical Octree-Guided Feed-Forward Gaussian Splatting
• Title（参考訳）: OctreeSplat:階層型Octree-Guided Feed-Forward Gaussian Splatting
• Abstract要約: 3D Gaussian Splattingは、新しいビュー合成(NVS)と3D再構成にかなりの可能性を示している。 本稿では,オクツリー誘導フィードフォワードガウススプラッティングのOctreeSplatについて紹介する。 OctreeSplatは、高い再構築品質を維持しながら、ガウスのプリミティブの数を減らす。
• 参考スコア（独自算出の注目度）: 1.2712811950565208
• License:
• Abstract: 3D Gaussian Splatting (3DGS) has shown considerable potential for novel view synthesis (NVS) and 3D reconstruction. Feed-forward methods avoid costly per-scene optimization, but fixed image or spatial resolutions limit their ability to allocate primitives according to local complexity. We present OctreeSplat, a hierarchical octree-guided feed-forward Gaussian splatting. OctreeSplat extracts multi-view features and geometric priors from a frozen visual foundation model (VFM), constructs a hierarchical octree, and predicts densification scores. The resulting representation allocates Gaussian primitives at spatially varying densities according to local complexity. Stochastic solids volume rendering improves depth rendering, strengthens geometric supervision, and supports surface reconstruction. When camera parameters are available, an optional test-time optimization (TTO) module improves agreement between predicted and ground-truth parameters. Training updates only 76 million additional parameters and requires 35 GPU-hours. Experiments on Replica, TUM, Tanks and Temples, and DTU demonstrate competitive RGB view synthesis, depth synthesis, and surface reconstruction. OctreeSplat reduces the number of Gaussian primitives while maintaining high reconstruction quality.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は新規なビュー合成(NVS)と3D再構成の可能性を示した。 フィードフォワード方式はシーンごとの最適化には費用がかかるが、固定画像や空間解像度は局所的な複雑さに応じてプリミティブを割り当てる能力を制限する。 本稿では,オクツリー誘導フィードフォワードガウススプラッティングであるOctreeSplatを紹介する。 OctreeSplatは、凍結した視覚基盤モデル(VFM)から多視点特徴と幾何学的先行情報を抽出し、階層的なオクツリーを構築し、密度化スコアを予測する。 結果の表現は局所的な複雑さに応じて空間的に異なる密度でガウス原始体を割り当てる。 確率的固体体積レンダリングは深度レンダリングを改善し、幾何学的監督を強化し、表面再構成をサポートする。 カメラパラメータが利用可能になると、オプションのテスト時間最適化(TTO)モジュールが予測パラメータと接地トラストパラメータの一致を改善する。 トレーニングでは7600万のパラメータが追加され、GPU時間は35時間である。 Replica, TUM, Tanks and Temples, DTUの実験では、競合するRGBビューの合成、深度合成、表面再構成が実証された。 OctreeSplatは、高い復元品質を維持しながら、ガウスのプリミティブの数を減らす。

関連論文リスト

• Remote Sensing Sparse-View 3D Gaussian Splatting via Depth Image-Based Rendering [34.24765942307795]
  クロスビュー整合性管理のための疑似ビューを生成するための,ニューラルガウススティングフレームワークであるDIBR-GSを提案する。 幾何学的および外観的制約を付加するために, プログレッシブDIBRに基づく疑似視点監視戦略を導入する。 実験により,提案手法は3つの入力ビューしか持たない学習において,既存の手法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-09-28T16:55:27Z)
• D3GS: Depth, DINO, and RGB Diffusion Co-Guided 3D Gaussian Splatting for Sparse-View Reconstruction [45.82236569796408]
  D$3$GSはDepth-DINO-Diffusionガイド付きスパースビューガウス再構成フレームワークで、幾何学と外観を共同で強化する。 DTU、LLFF、Mip-NeRF 360の実験では、D$3$GSは強いベースラインよりも一貫性と実質的な改善を達成している。
  論文  参考訳（メタデータ） (2026-09-19T10:41:14Z)
• VoxelTTO: Voxel-Aligned Feed-Forward 3D Gaussian Splatting with Test-Time Optimization [0.315348912304067]
  VoxelTTOは任意の数の画像とオプションのカメラパラメータから3DGSシーンを再構築するためのフィードフォワードフレームワークである。 画像特徴をグローバルなボクセル表現に集約し、ガウシアンをボクセル特徴から復号し、ピクセル対ガウシアン対応を破る。
  論文  参考訳（メタデータ） (2026-09-18T08:48:57Z)
• ${C}^{3}$-GS: Learning Context-aware, Cross-dimension, Cross-scale Feature for Generalizable Gaussian Splatting [16.868578618340262]
  Generalizable Gaussian Splattingは、シーンごとの最適化なしに、見えないシーンのための新しいビューを合成することを目的としている。 本稿では,コンテキスト認識,クロスディメンジョン,クロススケール制約を取り入れた特徴学習を支援するフレームワークであるmathbfC3$-GSを提案する。 我々のアーキテクチャは、3つの軽量モジュールを統合レンダリングパイプラインに統合し、機能融合を改善し、追加の監視を必要とせずに合成を可能にする。
  論文  参考訳（メタデータ） (2025-08-28T13:12:18Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• HiSplat: Hierarchical 3D Gaussian Splatting for Generalizable Sparse-View Reconstruction [46.269350101349715]
  HiSplatは、一般化可能な3Dガウススプラッティングのための新しいフレームワークである。 階層的な3Dガウスを粗大な戦略で生成する。 これにより、再構築品質とデータセット間の一般化が大幅に向上する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:32Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)
• GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
  我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。 提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
  論文  参考訳（メタデータ） (2023-12-04T18:59:55Z)

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。