ランキング（注目度スコア）
スコア算出日: 2026-06-21
合計スコア = √(HF Upvotes) + √(GitHub Stars) + cvFactor + venueBonus（HF・Stars が 0 のとき各 √ 項は 0、cvFactor は LLM による 100 点満点、venueBonus は学会採択加点）（算定方法の詳細）
2023年 注目論文ランキング
Spatial Computing Weekly の創刊にあたり、私たちはコンピュータビジョンにおける最もエキサイティングな転換点となった「2023年」を遡及調査しました。
2023年は、NeRF（Neural Radiance Fields）の熱狂から一歩進み、「3D Gaussian Splatting」という革命的な手法が登場した年でした。レンダリングの高速化、生成AI（Diffusion Models）との融合による高品質な3Dコンテンツ制作、そして従来の幾何学的な制約を打ち破る新しいパラダイムの提示。3D再構築と空間認識の分野は、単なる「視覚情報の復元」から「デジタル空間の生成」へと劇的な進化を遂げました。
本レポートでは、膨大な論文の中から、学術的価値とコミュニティへの影響力の両面で頂点に立ったトップ20を厳選してご紹介します。
トップ5の深掘り
【第1位】3D Gaussian Splatting for Real-Time Radiance Field Rendering
- 概要: 従来のNeRFが抱えていた「学習とレンダリングのコスト」という課題を、点群ベースのGaussianを用いた新しい表現手法で解決した画期的な研究です。
- 新規性: 3D空間をガウス分布の集合として表現することで、高品質なレンダリングとリアルタイム性を両立させました。
- なぜ選ばれたか: 合計スコア277.00、GitHub Star 22,416件という驚異的な数字が示す通り、この論文は3Dビジョンのパラダイムを書き換えました。TOG 2023への採択という学術的評価に加え、実用性の高さが圧倒的です。
- 関連リンク: arXiv | Hugging Face | GitHub
【第2位】DUSt3R: Geometric 3D Vision Made Easy
- 概要: カメラパラメータ（内参・外参）の事前推定を必要とせず、任意の画像集合から直接的に密な3D再構築を行う新しいパラダイムを提案しています。
- 新規性: 従来のMVS（Multi-view Stereo）の複雑な工程を簡略化し、画像間の幾何学的関係を直接的に扱う「Dense and Unconstrained Stereo 3D Reconstruction」を実現しました。
- なぜ選ばれたか: 合計スコア182.27、GitHub Star 7,201件。従来の手法では困難だった「制約のない画像群」からの3D復元における革新性が高く評価されました。
- 関連リンク: arXiv | Hugging Face | GitHub
【第3位】Neuralangelo: High-Fidelity Neural Surface Reconstruction
- 概要: 非常に高精細な3Dサーフェス（表面）再構築を目的とした、マルチレゾリューション・ハッシュグリッドとニューラルレンダリングの融合手法です。
- 新規性: 数値的な勾配を用いて高次微分を計算する手法を取り入れ、現実世界の複雑なディテールを持つ形状の復元能力を飛躍的に向上させました。
- なぜ選ばれたか: 合計スコア176.57、GitHub Star 4,602件。CVPR 2023採択論文であり、従来のNeRFベースの手法では難しかった「精細な形状復元」におけるSOTAを確立しました。
- 関連リンク: arXiv | Hugging Face | GitHub
【第4位】DreamGaussian: Generative Gaussian Splatting for Efficient 3D Content Creation
- 概要: 3D生成におけるSDS（Score Distillation Sampling）の遅い最適化問題を、Gaussian Splattingを用いて解決するフレームワークです。
- 新規性: 高速な3D Gaussianモデルを設計することで、高品質な3Dコンテンツ生成の効率化（スピードアップ）を実現しました。 ing-89 / venueBonus 0.
- なぜ選ばれたか: 合計スコア161.75、GitHub Star 4,332件。生成AIによる3Dコンテンツ制作のワークフローを劇的に短縮する可能性を示した点が評価されました。
- 関連リンク: arXiv | Hugging Face | GitHub
【第5位】Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image
- 概要: 単一画像から、スケール感（メートル単位）を維持した精緻な3D形状・深度予測を行うゼロショット学習手法です。
- 新規性: 従来の単眼深度推定では困難だった「メートル単位の絶対的なスケール（Metric）」を、大規模データを用いた学習により実現しました。
- なぜ選被か: 合計スコア159.67、GitHub Star 2,233件。ICCV 2023採択論文であり、単一画像からの実用的な3D復元におけるブレイクスルーとなりました。
- 関連リンク: arXiv | Hugging Face | GitHub
第6位〜第20位 クイックレビュー
【第6位】SuGaR: Surface-Aligned Gaussian Splatting for Efficient 3D Mesh Reconstruction and High-Quality Mesh Rendering Gaussian Splattingをサーフェス（面）に整合させ、高品質なメッシュ再構築を可能にする研究です。 関連リンク: arXiv | Hugging Face | GitHub
【第7位】Splatter Image: Ultra-Fast Single-View 3D Reconstruction 単一視点からの超高速な3D再構築を、画像から直接的な表現を用いることで実現しました。 関連リンク: arXiv | Hugging Face | GitHub
【第8位】LucidDreamer: Domain-free Generation of 3D Gaussian Splatting Scenes ドメインに縛られず、自由度の高い3D Gaussian Splattingシーンの生成手法を提案しています。 関連リンク: arXiv | Hugging Face | GitHub
【第9位】Magic123: One Image to High-Quality 3D Object Generation Using Both 2D and 3D Diffusion Priors 2Dと3Dの両方のDiffusion Priorを活用し、1枚の画像から高品質な3Dオブジェクトを生成します。 関連リンク: arXiv | Hugging Face | GitHub
【第10位】MVDream: Multi-view Diffusion for 3D Generation マルチビュー拡散モデルを用いることで、一貫性のある3D生成を実現するための基礎となる研究です。 関連リンク: arXiv | Hugging Face | GitHub
【第11位】DualRefine: Self-Supervised Depth and Pose Estimation Through Iterative Epipolar Sampling and Refinement Toward Equilibrium 自己教師あり学習による、反復的なエピポーラサンプリングを用いた深度とポーズ推定の洗練手法です。 関連リンク: arXiv | Hugging Face | GitHub
【第12位】Text-to-3D using Gaussian Splatting テキストプロンプトからGaussian Splattingを用いて3D形状を生成する、次世代のコンテンツ制作手法です。 関連リンク: arXiv | Hugging Face
【第13位】Renderable Neural Radiance Map for Visual Navigation 視覚的なナビゲーションのために、レンダリング可能なニューラルラジアンスマップを構築する手法です。 関連リンク: arXiv | Hugging Face | GitHub
【第14位】Human Gaussian Splatting: Real-time Rendering of Animatable Avatars アニメーション可能なアバターを、Gaussian Splattingを用いてリアルタイムにレンダリングする技術です。 関連リンク: arXiv | Hugging Face
【第15位】NViST: In the Wild New View Synthesis from a Single Image with Transformers Transformerを用いて、単一画像から多様な視点での合成（New View Synthesis）を行う手法です。 関連リンク: arXiv | Hugging Face | GitHub
【第16位】PanoGRF: Generalizable Spherical Radiance Fields for Wide-baseline Panoramas 広角パノラマ画像に対応するための、汎用的な球面ラジアンスフィールドの研究です。 関連リンク: arXiv | Hugging Face | GitHub
【第17位】One-2-3-45: Any Single Image to 3D Mesh in 45 Seconds without Per-Shape Optimization たった45秒で、単一画像から最適化なしに3Dメッシュを生成する驚異的なスピードの研究です。 関連リンク: arXiv | Hugging Face
【第18位】HoloFusion: Towards Photo-realistic 3D Generative Modeling フォトリアルな3D生成モデリングを目指した、次世代の生成フレームワークです。 関連リンク: arXiv | Hugging Face
【第19位】Hybrid Neural Rendering for Large-Scale Scenes with Motion Blur 大規模なシーンにおけるモーションブラーを考慮した、ハイブリッドなニューラルレンダリング手法です。 関連リンク: arXiv | Hugging Face | GitHub
【第20位】TextMesh: Generation of Realistic 3D Meshes From Text Prompts テキストプロンプトから、リアルな3Dメッシュを生成するための技術的アプローチです。 関連リンク: arXiv | Hugging Face
編集後記
振り返ってみると、2023年は「点（Point）」や「場（Field）」としての表現から、より実用的で高速な「ガウス分布」や「メッシュ」へと、研究の焦点が明確に移り変わった年であったことが分かります。
今後は、これらの技術がどのようにデジタルツインやAR/VRの世界に浸透していくのか。私たちは週刊ランキングを通じて、日々更新される最先端の知見を、最も速く、かつ深く皆様にお届けすることをお約束します。
次回の調査レポートもお楽しみに！