論文の概要: ThermalSplat: Generalizable Pose-Free Gaussian Splatting for Sparse-View Thermal 3D Reconstruction
- arxiv url: http://arxiv.org/abs/2611.15435v1
- Date: Wed, 11 Nov 2026 13:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.146364
- Title: ThermalSplat: Generalizable Pose-Free Gaussian Splatting for Sparse-View Thermal 3D Reconstruction
- Title(参考訳): ThermoSplat: スパース・ビューサーマル3D再構成のための汎用ポーズフリーガウス・スプレイティング
- Abstract要約: 熱画像の低テクスチャー特性とビュー依存の放射率により、標準的なポーズは破滅的に失敗する。
既存の熱再構成手法は、密集捕捉と計算コストのかかるシーンごとの最適化に大きく依存している。
本研究では, 疎熱画像から直接3次元シーンを再構成する, 最初の一般化可能なフィードフォワード型ガウス型スプラッティングフレームワークであるサーマルスプラットを提案する。
- 参考スコア(独自算出の注目度): 9.855875137621622
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thermal infrared imaging is vital for applications like search-and-rescue and autonomous navigation, yet trans- lating it into 3D scene representations remains a critical bottleneck. The low-texture nature and view-dependent emissivity of thermal images cause standard pose estima- tors to fail catastrophically, collapsing standard 3D Gaus- sian Splatting pipelines under sparse-view constraints. Fur- thermore, existing thermal reconstruction methods rely heavily on dense capture and computationally expensive per-scene optimization. Critically, many of these ap- proaches depend on aligned RGB-thermal datasets to ob- tain reliable camera poses and initial point clouds, ren- dering them unusable in purely thermal, unposed envi- ronments. To break this bottleneck, we present Thermal- Splat, the first generalizable, feed-forward Gaussian splat- ting framework that reconstructs 3D scenes directly from sparse thermal images without requiring known camera poses, RGB guidance, or per-scene training. We over- come thermal-specific challenges using a soft census loss for brightness-invariant structural matching and a bound- ary structure loss to explicitly supervise temperature discon- tinuities. Trained on an aggregated multi-source dataset, ThermalSplat synthesizes sharp reconstructions of unseen scenes in a single feed-forward pass. Extensive experi- ments demonstrate that ThermalSplat holds a strict advan- tage over scene-specific thermal splatting methods in the sparse regime. Furthermore, even compared against these baselines operating under their ideal dense capture set- tings, ThermalSplat achieves superior perceptual fidelity. By eliminating the need for computationally expensive per scene optimization, ThermalSplat offers an efficient and generalizable approach to thermal 3D reconstruction.
- Abstract(参考訳): サーチ・アンド・レスキューや自律ナビゲーションといった応用には熱赤外イメージングが不可欠だが、それを3Dシーンの表現に変換することは依然として重要なボトルネックである。
熱画像の低テクスチャー特性と視界依存性の放射率により、標準の3D Gaus-sian Splattingパイプラインをスパースビューの制約下で崩壊させながら、標準のエスティマトーラスが破滅的に失敗する。
熱的でない既存の熱再構成法は、密度の高い捕捉と計算コストの高いシーンごとの最適化に大きく依存している。
重要な点として、これらのap-proacheの多くは、RGB-thermalデータセットの整列と、信頼できるカメラのポーズと初期点の雲に依存している。
このボトルネックを克服するために,本研究では,カメラのポーズやRGBガイダンス,シーンごとのトレーニングを必要とせずに,疎熱画像から直接3Dシーンを再構築する,最初の一般化可能なフィードフォワード型ガウス型スプラッティングフレームワークであるTherial-Splatを提案する。
我々は,明るさ不変構造整合に対する軟式国勢調査による損失と,温度不連続の経年変化を明示的に監視するための有蓋構造損失を用いて,熱特異的な課題を克服した。
集約されたマルチソースデータセットに基づいてトレーニングされたTherialSplatは、見えないシーンのシャープな再構築を単一のフィードフォワードパスで合成する。
広い実験結果から、サーマルスプラットはスパース状態におけるシーン特異的熱スプラッティング法に対して厳密なアドバンタグを持っていることが示されている。
さらに,これらベースラインを,理想の密集集合体の下で動作させる場合と比較しても,より優れた知覚的忠実性を実現する。
シーン最適化あたりの計算コストを削減し、熱3D再構成に効率的で一般化可能なアプローチを提供する。
関連論文リスト
- EvTrajGS: Accurate and Efficient 3D Gaussian Splatting from Unposed Event Streams [108.45551580182384]
EvTrajGSは、未提示のイベントストリームのための正確で効率的な3Dガウススプレイティングフレームワークである。
提案手法は,高コストのSLAM型パイプラインを不要にすることで,粗いポーズ前から確実な継手ポーズシーンの最適化を可能にする。
論文 参考訳(メタデータ) (2026-08-09T09:00:30Z) - R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting [59.29134814041703]
物理的敵対的なカモフラージュは、自律運転システムに深刻なセキュリティ上の脅威をもたらす。
現在の手法は、様々な幾何学的(例えば、視線構成)とラジオメトリックのバリエーションにまたがる一般化に失敗する。
Relightable Physical 3D Gaussian Splatting framework (R-PGA)を提案する。
論文 参考訳(メタデータ) (2026-03-27T04:38:04Z) - Thermal is Always Wild: Characterizing and Addressing Challenges in Thermal-Only Novel View Synthesis [7.16501244435469]
使用可能なダイナミックレンジを拡張し,フレーム単位のフォトメトリを安定化する,軽量な前処理およびスプラッティングパイプラインを導入する。
提案手法は,データセット固有のチューニングを必要とせずに,熱のみのNVSベンチマークにおける最先端性能を実現する。
論文 参考訳(メタデータ) (2026-03-20T19:25:04Z) - SwiftGS: Episodic Priors for Immediate Satellite Surface Recovery [6.657583814165929]
SwiftGSはメタ学習システムで、単一の前方パスで3D表面を再構築する。
高価なシーンごとのフィッティングを、転送可能な事前をキャプチャするエピソードトレーニングに置き換える。
推論では、SwiftGSはオプションのコンパクトキャリブレーションでゼロショットを動作させる。
論文 参考訳(メタデータ) (2026-03-19T08:59:07Z) - Enhancing Infrared Vision: Progressive Prompt Fusion Network and Benchmark [58.61079960074608]
既存の赤外線画像強調法は、個々の劣化に対処することに焦点を当てている。
一般的にRGBセンサーに適用されるオールインワンエンハンスメント法は、有効性が制限されることが多い。
論文 参考訳(メタデータ) (2025-10-10T12:55:54Z) - Veta-GS: View-dependent deformable 3D Gaussian Splatting for thermal infrared Novel-view Synthesis [3.1457219084519004]
熱赤外画像(TIR)に基づく3次元ガウス散乱(3D-GS)は, 新規な視点合成において注目されている。
本稿では、ビュー依存の変形場とサーマル・フィーチャー・エクストラクタを利用して微妙な温度変化を捉えたVeta-GSを紹介する。
本手法は既存手法よりも優れた性能を実現する。
論文 参考訳(メタデータ) (2025-05-25T13:20:45Z) - FreeSplatter: Pose-free Gaussian Splatting for Sparse-view 3D Reconstruction [69.63414788486578]
FreeSplatterはスケーラブルなフィードフォワードフレームワークで、キャリブレーションされていないスパースビュー画像から高品質な3Dガウシアンを生成する。
当社のアプローチでは,自己注意ブロックが情報交換を容易にする合理化トランスフォーマーアーキテクチャを採用している。
包括的データセットに基づいて,オブジェクト中心とシーンレベルの再構築のための2つの特殊な変種を開発する。
論文 参考訳(メタデータ) (2024-12-12T18:52:53Z) - ThermalGaussian: Thermal 3D Gaussian Splatting [25.536611434289647]
本研究では,RGBの高画質画像と熱モダリティのレンダリングが可能な,最初のサーマル3DGS手法であるMaterialGaussianを提案する。
本研究では,熱画像のフォトリアリスティックレンダリングを実現し,RGB画像のレンダリング品質を向上させるための総合的な実験を行った。
論文 参考訳(メタデータ) (2024-09-11T11:45:57Z) - Does Thermal Really Always Matter for RGB-T Salient Object Detection? [153.17156598262656]
本稿では,RGB-T有意物体検出(SOD)タスクを解決するために,TNetというネットワークを提案する。
本稿では,画像のグローバル照度を推定するためのグローバル照度推定モジュールを提案する。
一方, 2段階の局所化と相補化モジュールを導入し, 熱的特徴の物体位置化キューと内部整合キューをRGBモダリティに転送する。
論文 参考訳(メタデータ) (2022-10-09T13:50:12Z)
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。