NeRFとガウススプラッティングにおける幾何精度の比較評価

arXiv cs.RO / 2026/4/21

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ニューラルレンダリングの一般的な評価指標が画像品質に偏り、表面の幾何学的な忠実度を見落としがちだと指摘しており、その重要性を特にロボティクスの観点から論じています。
表面および形状の忠実度に焦点を当てた、幾何精度を測るための評価パイプラインを提案しています。
19種類の多様なシーンからなるベンチマークを用意し、復元手法同士の体系的な比較を可能にしています。
幾何学に基づく評価を、従来の視覚的指標の補完として位置づけ、幾何に依存するタスクでの信頼性向上を目指しています。

概要: ニューラルレンダリングの最近の進展は、多数の3Dシーン表現をもたらしてきました。一般的なコンピュータビジョンの指標は生成画像の視覚的品質を評価しますが、表面ジオメトリの忠実度を見落とすことがよくあります。この制約は、正確なジオメトリが把持や物体操作といったタスクに不可欠であるロボティクスにおいて、とりわけ重要です。本論文では、幾何学的精度に焦点を当てたニューラルレンダリング手法のための評価パイプラインを提示するとともに、19の多様なシーンからなるベンチマークを構築します。提案手法により、表面および形状の忠実度の観点から再構成手法を体系的に評価でき、従来の視覚指標を補完します。