WildSplatter: 非構造化画像からの外観制御付きフォワード 3D ガウススプラッター

arXiv:2604.21182v1 Announce Type: new 摘要：我々が提案した WildSplatter は、既知のカメラパラメータを持たない非構造化画像において、外観制御機能を持つフォワード 3D ガウススプラッター（3DGS）モデルです。3DGS は高品質なリアルタイムレンダリングを可能にする効果的なシーンの表現手法ですが、通常は一致した照明下で撮影されたマルチビュー画像を用い、既知のカメラパラメータを持つ場合の反復最適化を必要とします。WildSplatter は非構造化な写真コレクションをトレーニングデータとして使用し、入力画像に条件付けされた 3D ガウスと外観エンベッディングを同時に学習します。この設計により、光と外観の大きな変化を表現するために、ガウスのカラーを柔軟に制御できます。我々の方法では、薄かった入力ビューから 1 秒以内に 3D ガウスを再構築し、また多様な照明条件の下で外観制御を可能にします。実験結果は、変化する照明を持つ挑戦的な実世界のデータセットにおいて、我々のアプローチが既存のポーズフリー 3DGS 方法を上回ることを示しています。

arXiv:2604.21182v1 Announce Type: new Abstract: We propose WildSplatter, a feed-forward 3D Gaussian Splatting (3DGS) model for unconstrained images with unknown camera parameters and varying lighting conditions. 3DGS is an effective scene representation that enables high-quality, real-time rendering; however, it typically requires iterative optimization and multi-view images captured under consistent lighting with known camera parameters. WildSplatter is trained on unconstrained photo collections and jointly learns 3D Gaussians and appearance embeddings conditioned on input images. This design enables flexible modulation of Gaussian colors to represent significant variations in lighting and appearance. Our method reconstructs 3D Gaussians from sparse input views in under one second, while also enabling appearance control under diverse lighting conditions. Experimental results demonstrate that our approach outperforms existing pose-free 3DGS methods on challenging real-world datasets with varying illumination.