TUGS: Tensorized Gaussian による水中シーンの物理ベースでコンパクトな表現

arXiv cs.RO / 2026/4/1

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、水中のライトフィールド効果をより適切に捉えるために、tensorized Gaussian splatting に基づく物理ベースのコンパクトな水中3Dシーン再構成表現である TUGS を提案する。
主要な現象である光の減衰や後方散乱を明示的にモデル化する Adaptive Medium Estimation (AME) モジュールを追加し、水中環境におけるレンダリングの現実感の向上を目指す。
計算コストを抑えつつ品質を高めるため、TUGS は最適化中に tensorized 表現を効率的に洗練する Tensorized Densification Strategies (TDS) を提案する。
著者らは、TUGS が高速化と低メモリ使用量を実現しつつ、高品質な水中画像レンダリングを達成することを報告している。また、限られたパラメータでも実世界データセットにおいて優れた再構成品質を生成できる。
プロジェクトのコードは公開されており、研究者や開発者が手法を再現し、さらに発展させるための障壁を低減している。

Abstract

水中3Dシーン再構成は、水中ロボットの知覚・ナビゲーションなどの不利な環境におけるマルチメディアアプリケーションにとって重要です。しかし、光の伝搬、水中媒体、物体表面の相互作用の複雑さは、それらの関係を正確にシミュレートする既存手法に大きな困難をもたらします。さらに、高価な学習およびレンダリングのコストが、実用上の適用を制限しています。そこで本研究では、複雑な水中光場を物理モデル化することで実現されるコンパクトな水中3D表現であるTensorized Underwater Gaussian Splatting（TUGS）を提案します。TUGSには、水中環境において光の減衰と後方散乱の両方を正確にシミュレートできる物理ベースの水中Adaptive Medium Estimation（AME）モジュールが含まれており、最適化中にテンソル化された表現を効率的に洗練するためのTensorized Densification Strategies（TDS）も導入します。TUGSは、高品質な水中画像をより高速なレンダリング速度で、かつより少ないメモリ使用量で描画することができます。実世界の水中データセットに対する広範な実験により、TUGSは限られた数のパラメータで効率的に優れた再構成品質を達成できることが示されています。コードは https://liamlian0727.github.io/TUGS で公開されています