[論文レビュー] Spherical-GOF: Geometry-Aware Panoramic Gaussian Opacity Fields for 3D Scene Reconstruction

Zhe Yang, Guoqiang Zhao+3 more|arXiv (Cornell University)|Mar 9, 2026

Advanced Vision and Imaging被引用数 0

ひとこと要約

Spherical-GOF は球面レイ空間ガウス不透明度場フレームワークを導入し、全方位パノラマ再構成の幾何学的一貫性と深度品質をプロジェクションに基づくベースラインより向上させつつ、フォトメトリックレンダリングと競合力を維持します。球面ベースのレイサンプリング、保守的な境界設定、パノラマ対応正則化を利用します。

ABSTRACT

Omnidirectional images are increasingly used in robotics and vision due to their wide field of view. However, extending 3D Gaussian Splatting (3DGS) to panoramic camera models remains challenging, as existing formulations are designed for perspective projections and naive adaptations often introduce distortion and geometric inconsistencies. We present Spherical-GOF, an omnidirectional Gaussian rendering framework built upon Gaussian Opacity Fields (GOF). Unlike projection-based rasterization, Spherical-GOF performs GOF ray sampling directly on the unit sphere in spherical ray space, enabling consistent ray-Gaussian interactions for panoramic rendering. To make the spherical ray casting efficient and robust, we derive a conservative spherical bounding rule for fast ray-Gaussian culling and introduce a spherical filtering scheme that adapts Gaussian footprints to distortion-varying panoramic pixel sampling. Extensive experiments on standard panoramic benchmarks (OmniBlender and OmniPhotos) demonstrate competitive photometric quality and substantially improved geometric consistency. Compared with the strongest baseline, Spherical-GOF reduces depth reprojection error by 57% and improves cycle inlier ratio by 21%. Qualitative results show cleaner depth and more coherent normal maps, with strong robustness to global panorama rotations. We further validate generalization on OmniRob, a real-world robotic omnidirectional dataset introduced in this work, featuring UAV and quadruped platforms. The source code and the OmniRob dataset will be released at https://github.com/1170632760/Spherical-GOF.

研究の動機と目的

• 全方位（ERP）パノラマからの投影-induced distortionsを伴わない正確な3D再構成を動機付ける。
• Gaussian Opacity Fields (GOF) をパノラマレンダリングの球面レイ空間へ拡張する。
• 保守的なクリッピングと耐歪みフィルタリングを備え、投影と一貫したレイ-ガウス相互作用を効率的に提供する。
• トレーニングを安定化させ、深度/法線の整合性を向上させる幾何焦点の正則化を導入する。
• 公開ベンチマークと実世界の全方位ロボットデータへ一般化を実証する。

提案手法

• 単位球面上に直接GOFをサンプリングして球面レイ空間でレンダリングし、投影ベースの歪みを回避する。
• レイ-ガウスの迅速なクリッピングを可能にする保守的な球面境界ルールを導出する。
• パノラマ画素間の歪みに適応するようガウシアン footprints を球面フィルタリングで調整する。
• パノラマ対応の等方フィルタ半径でガウシアンスケールを膨らませ、サブピクセルの footprints を防止し密度の一貫性を維持する（不透明度調整を伴う）。
• ERP の歪み下でジオメトリを安定化させるため、パノラマ対応のジオメトリ正則化項（深度-法線整合性と深度ジャンプ項）をフォトメトリック損失に追加する。

実験結果

リサーチクエスチョン

• RQ1 GOF を平面投影近似に依存せず、球面全方位パノラマへ適応するにはどうすればよいか。
• RQ2 球面レイ空間GOF は投影ベースの3DGS手法と比べてERPパノラマ上の多視点幾何学的一貫性と深度精度を改善するか。
• RQ3 パノラマ対応正則化は高周波の幾何学的アーティファクトを抑制しつつフォトメトリックレンダリング品質を保てるか。
• RQ4 グローバルなパノラマ回転に対して頑健で、異なる全方位カメラ構成（環状/疑似環状含む）へ転送可能か。
• RQ5 公開ベンチマークを超えた実世界ロボティック全方位データへの一般化性能はどうか。

主な発見

• Spherical-GOF は OmniBlender、OmniPhotos、OmniRob の各データセットで最も強力なベースラインと比較して深度再投影誤差（DRE）を低く、サイクル内包比率（CIR）を高く達成する。
• 方法は特定の OmniBlender 設定で最大で 62.7% のように DRE を大幅に低減し、SPaGS に対して tested scenes で CIR を約 22% 増加させる。
• 定性的には、深度マップが滑らかで区切りがはっきりし、法線が平面領域でより安定し、テクスチャ由来のアーティファクトが減少する。
• アプローチは回転頑健性が高く、投影ベースの方法が劣化する大きなグローバルパノラマ回転下でも安定性を維持する。
• OmniRob 評価は、当手法が異なる全方位カメラ構成（UAV、環状、疑似環状）に適応し、幾何学的一貫性が良好で深度アーティファクトが減少することを示す。