PDF-GS: ロバストな3Dガウススプラッティングのためのプログレッシブ・ディストラクタ除去

arXiv cs.CV / 2026/4/15

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、標準的な3Dガウススプラッティング（3DGS）の学習が「ディストラクタ」（通常のマルチビュー整合性の仮定を破る、整合しないマルチビュー信号）に対して脆弱であり、その結果として視覚的アーティファクトが生じると主張する。
PDF-GS（Progressive Distractor Filtering：プログレッシブ・ディストラクタ除去）を提案し、複数フェーズの最適化フレームワークによって、不一致の手がかりに基づきディストラクタを段階的に除去してから、最終的な再構成フェーズを実行することで、微細で視点整合的な詳細を得る。
本手法は、3DGSが本来持つ「整合しない信号を抑制する」能力を活用し、それを反復的な精緻化によって増幅することで、頑健で高忠実度、かつディストラクタのない再構成を実現する。
PDF-GSは、多様なデータセットや困難な実世界条件において、ベースラインに対して一貫した性能向上を報告している。
著者らは、このアプローチが軽量であり、追加の推論オーバーヘッドやアーキテクチャ変更なしに既存の3DGSパイプラインへ適用可能だと主張しており、コードを公開している。