論文の概要: Hierarchical Incremental Beta Splatting for Online Reconstruction
- arxiv url: http://arxiv.org/abs/2611.08288v1
- Date: Thu, 05 Nov 2026 16:52:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-07 04:55:13.586363
- Title: Hierarchical Incremental Beta Splatting for Online Reconstruction
- Title（参考訳）: オンライン再構成のための階層的インクリメンタルベータスプレイティング
- Abstract要約: 境界付けられた3Dガウスアンは捕獲中にシーンを再構築し、それぞれのガウスアンはプリミティブを一度生成し、わずか数十回だけ精製する。
階層型インクリメンタルベータスプラッティング(Hierarchical Incremental Beta Splatting, HIBS)は, ベータカーネルを段階的に再構築する。
我々の信頼性に配慮した生成は、幾何学的観測可能性と不透明度と形状の両方に対する多視点深度一致を用いている。
- 参考スコア（独自算出の注目度）: 1.066048003460524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online 3D Gaussian Splatting reconstructs a scene during capture: each keyframe spawns primitives once and refines them for only a few dozen iterations, leaving little chance to fix poor initialization or missing detail. Gaussians are also inherently soft, needing many overlaps for solid surfaces. We present Hierarchical Incremental Beta Splatting (HIBS), which brings beta kernels to incremental reconstruction. Their shape parameter interpolates between a soft, Gaussian-like profile and a flat-topped, near-opaque surfel, acting as a confidence dial for geometry. Our confidence-aware spawning uses geometric observability and multi-view depth agreement to initialize both opacity and shape, producing solid primitives where geometry is verifiable and soft, correctable primitives where it is not. As online densification, error-driven relocation recycles stale primitives into photometric-error hotspots. Bounded beta kernel support enables exact tile culling and faster rasterization, and a closed-form, shape-preserving merging formulation provides a level-of-detail (LOD) hierarchy for fast optimization and real-time rendering. On Mip-NeRF 360 in the on-the-fly protocol, HIBS improves PSNR by up to 0.8 dB while reducing optimization time by up to 40%. Project page: https://linus-franke.com/hibs/
- Abstract（参考訳）: Online 3D Gaussian Splattingは、キャプチャ中にシーンを再構築する: 各キーフレームはプリミティブを一度生成し、わずか数十回のイテレーションで洗練する。
ガウスもまた本質的に柔らかく、固体表面に対して多くの重なりを必要とする。
階層型インクリメンタルベータスプラッティング(Hierarchical Incremental Beta Splatting, HIBS)は, ベータカーネルを段階的に再構築する。
形状パラメータは、柔らかくガウス的な形状と平らな表面を持つほぼ透明なサーベイルの間を補間し、幾何学の信頼性ダイアルとして機能する。
我々の信頼性に配慮した生成は、幾何観測可能性と多視点深度合意を用いて不透明度と形状の両方を初期化し、幾何学が検証可能でソフトで修正可能なプリミティブを創出する。
オンラインのデンシフィケーションとして、エラー駆動のリロケーションは、プリミティブをフォトメトリックエラーホットスポットに再資源化する。
境界付きベータカーネルのサポートにより、正確なタイルカリングと高速なラスタ化が可能になり、クローズドな形状保存型マージ形式は、高速な最適化とリアルタイムレンダリングのためのレベル・オブ・ディーテール(LOD)階層を提供する。
オンザフライプロトコルのMip-NeRF 360では、HIBSはPSNRを最大0.8dB改善し、最適化時間を最大40%短縮した。
プロジェクトページ: https://linus-franke.com/hibs/
関連論文リスト
- CubicSplat: Differentiable Vector Graphics via Error-Bounded Forward Relaxation [41.42805325196858]
ベジエの最も近い点解法を、幾何誤差が$O(S-2)$で有界な一様ポリラインサロゲートに置き換える新しいタイプのベクトルグラフ解法であるCubeicSplatを導入する。
結果の静的な計算グラフは構成によってよく条件付き勾配を得るが、PSN由来の可視性メカニズムは補助正則化なしでプリミティブを創出する。
論文 参考訳（メタデータ） (2026-08-21T07:21:08Z) - Gaussian Sculpting: End-to-End Controllable Surface Reconstruction via Field Optimization [22.001328928240053]
3D Gaussian Splattingは、最近、印象的な品質でリアルタイムの新規ビュー合成を可能にした。
限定的な視点で正確な曲面を復元することは困難であり、ガウス原始体の固有の不規則性のためである。
本稿では,高品質な表面再構成のためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T07:42:24Z) - FLAT: Feedforward Latent Triangle Splatting for Geometrically Accurate Scene Generation [72.38727895659405]
ビデオ拡散潜水器から直接三角形スプラットをデコードするFLATを導入する。
標準的なベンチマークでは、FLATは最先端のフィードフォワードベースラインに比べて、はるかに優れた幾何学的精度を実現している。
軽量なテスト時間改善ステップにより,予測された三角形のスープが不透明でゲームエンジン対応の表現に変換されることを示す。
論文 参考訳（メタデータ） (2026-06-23T17:53:41Z) - DARB-Splatting: Generalizing Splatting with Decaying Anisotropic Radial Basis Functions [32.732154977447685]
本稿では、ガウス関数の閉形式積分の利点を近似することにより、減衰異方性ラジアル基底関数(DARBF)のクラスがスプレイティングをサポートすることを示す。
トレーニング中の最大34%の高速化と,DARB再構成カーネル間でのメモリ消費の45%削減を実証した。
論文 参考訳（メタデータ） (2025-01-21T18:49:06Z) - 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) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z) - latentSplat: Autoencoding Variational Gaussians for Fast Generalizable 3D Reconstruction [48.86083272054711]
latentSplatは3D潜在空間における意味ガウスを予測し、軽量な生成型2Dアーキテクチャで切り落としてデコードする手法である。
latentSplatは、高速でスケーラブルで高解像度なデータでありながら、復元品質と一般化におけるこれまでの成果よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-03-24T20:48:36Z)
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。