DNGaussian++: 深度正規化による稀視のガウス型放射域の改善

科学分野:

• コンピュータビジョン コンピュータビジョン
• コンピュータグラフィックス コンピュータグラフィックス
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 散らばった入力からの新しいビューの合成は,放射力場にとって挑戦的です.
• 既存の方法は,高い計算コストと限られた精製能力に直面しています.
• 3Dガウスのスプラッティングは有望ですが,入力ビューが少なくて幾何学が劣化します.

研究 の 目的:

• DNGaussianを導入し,効率的かつ高品質な数ショットノベルビューシンセシスのための深度規制の枠組みを導入する.
• 稀視条件下での3Dガウスのスプラッティングにおける幾何学的な劣化に対処するために.
• DNGaussian++を提案し,幾何学的な一貫性と表現の効率性を向上させるための拡張バージョンである.

主な方法:

• 硬質と軟質の深度調整を備えたDNGaussianを開発し,単眼の深度監視下で正確なシーンの幾何学を実現しました.
• 詳細な幾何学を精密にするために,グローバル・ローカル・ディプット・ノルマライゼーションを導入しました.
• 提案されたDNGaussian++は,幾何学インスタンスレギュレータと深度誘導幾何学再編成を組み込む.

主要な成果:

• DNGaussianは,低コストでリアルタイムで高品質のショートショットで新しいビューの合成を提供しています.
• DNGaussian++は,複数のデータセットとシナリオで最先端のパフォーマンスを実証しています.
• 拡張されたフレームワークは,改善された幾何学的な一貫性と表現効率を示しています.

結論:

• DNGaussian++は,散らばった視野の新規視野合成における以前の方法の限界を効果的に克服しています.
• このフレームワークは,高度な深度正規化技術により,優れた性能と効率を達成しています.
• DNGaussian++は,さまざまなバックボーンとタスクに広く適用可能で有効であることを証明しています.