DOC-GS：信頼性の高い疎視点ガウススプラッティングのための双領域観測・キャリブレーション

要旨: 3Dガウススパッティング（3DGS）による疎視点再構成は、不十分な幾何学的監督のために根本的に不適切（ill-posed）であり、しばしば過学習が甚だしく起こり、構造の歪みや半透明のもやのようなアーティファクトが現れます。既存の手法は、この問題をドロップアウトに基づく正則化で緩和しようとしますが、それらは主として経験則（ヒューリスティック）にとどまり、アーティファクトが形成される統一的な理解を欠いています。本論文では、新たな観点から疎視点3DGS再構成を見直し、その中核的な課題を「ガウス原始の信頼性が観測不能であること」として特定します。信頼性の低いガウスは最適化中に十分に拘束されず、レンダリング画像内においてもやのような劣化として蓄積します。この観察に動機づけられ、誘導バイアスの最適化領域と観測領域の証拠の相乗効果により、ガウスの信頼性をモデル化して補正する統一的なDual-domain Observation and Calibration（DOC-GS）フレームワークを提案します。具体的には、最適化領域では、各原始が学習中にどの程度拘束されているかによってガウスの信頼性を特徴づけ、Continuous Depth-Guided Dropout（CDGD）戦略を通じてこの信号を具現化します。ここで、ドロップアウト確率を原始信頼性の明示的な代理指標として用います。これにより、弱く拘束されたガウスを抑制し、最適化の安定性を高めるための、滑らかで深度に応じた誘導バイアスが課されます。観測領域では、フロート（floater）型のアーティファクトと大気散乱の間の関連を確立し、Dark Channel Prior（DCP）を構造的一貫性の手がかりとして活用して、異常領域を特定し蓄積します。さらに、複数視点に跨る集約された証拠に基づき、低信頼度のガウスを除去する信頼性駆動の幾何学的プルーニング戦略を設計します。