[2Yin-A] Poster 3

[2Yin-A-62] Robust Mixture Loss for Outlier-Resilient 3D Gaussian Splatting

〇Kotaro James Nishimura¹, Kazushi Ikeda¹ (1. Nara Institute of Science and Technology)

Keywords:

robust

3D Gaussian Splatting のフォトメトリック損失は，遮蔽や露光変動に由来する外れ値の影響を受けやすく，学習の不安定化と再構成品質の低下を招きうる。本研究の目的は，外れ値に頑健で安定に最適化できる損失関数を設計し，3D Gaussian Splatting の学習を改善することである。提案手法では Generalized Charbonnier 損失の複数候補を混合した Robust Mixture Loss を導入し，重尾な残差分布を柔軟に表現する。混合重みは学習可能とし，退化を抑えるためにエントロピー正則化を付与する。結論として，提案損失は既存の 3D Gaussian Splatting 学習ループに軽微な変更で統合でき，推論時の計算を増やさずに外れ値の影響を自動的に抑える目的関数を与える。