SurfFill: ガウスサーフェルスプラッティングによるLiDAR点群の補完

- LiDAR で取得した point cloud の欠損を補完する手法 SurfFill を提案する研究。 - LiDAR と camera-based 3D photogrammetry の長所を組み合わせる発想。 - Gaussian surfel ベースの再構成を用いて、LiDAR が取り逃した領域の点を生成・補完する。 - 大規模シーン向けに divide-and-conquer スキームも拡張として備える。

- LiDAR は平坦領域で高精度だが、薄い構造や edge、暗く吸収性の高い material で失敗しやすい。 - 写真からの 3D photogrammetry は feature-rich な領域の詳細を補えるが、featureless 領域で LiDAR の精度には及ばない。 - 本研究は両者の強みを統合する点を狙う。 - 実験では synthetic および real-world の LiDAR point cloud completion タスクで previous reconstruction methods を上回ると報告。

- LiDAR 取得を分析し、LiDAR beam divergence が thin structures や edges での artifact の主因だと指摘。 - この知見に基づき、点群の density 変化を評価する ambiguity heuristic を導入。 - 欠損領域に近い点を特定し、そこから追加点を grow させる。 - その際、Gaussian surfel reconstruction の最適化と densification を ambiguous areas に集中させる。 - 再構成された Gaussian primitives を ambiguous areas から抽出・sampling して point cloud を完成させる。 - 大規模化のため divide-and-conquer scheme を追加。

- synthetic および real-world のシーンで LiDAR point cloud completion タスクを評価。 - 提案手法が previous reconstruction methods を上回ることを示した。 - 具体的な dataset 名や評価指標は要旨からは不明。

- LiDAR beam divergence を artifact の主要因として位置づけている点が議論の出発点。 - ambiguity heuristic による density 変化の評価で欠損近傍を同定する設計。 - 大規模シーンへの適用限界に対し divide-and-conquer で対処するが、詳細な限界や失敗ケースは要旨からは不明。 - 定量的な比較の内訳や ablation の有無は要旨からは不明。

- 要旨で直接参照されている previous reconstruction methods の個別名は要旨からは不明。 - 関連手法として Gaussian splatting / 3D Gaussian Splatting、Gaussian surfel ベース再構成、3D photogrammetry、LiDAR point cloud completion の定番研究を次に読む候補とする。