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）
今週のCV（コンピュータビジョン）界隈は、まさに「3D Gaussian Splatting（3DGS）の深化」と「物理法則への回帰」がメインテーマとなりました。単なる視覚的な再現を超え、あらゆるカメラモデルへの適応（Universal）や、物体が隠れた際の挙動を物理シミュレーションで補完する（Object Permanence）といった、より実用的かつ高度な次元へと技術がシフトしています。エンジニアが注視すべき、次世代の空間構築技術がここにあります。
トップ3の深掘り
UniSHARP: Universal Sharp Monocular View Synthesis
どんな論文？ / 新規性 従来の3DGSやSHARPといった手法は、一般的なピンホールカメラモデルを前提としていました。しかし、UniSHARPはこれを打破し、広角レンズ、魚眼レンズ、さらには全天球パノラマまでを網羅する「ユニバーサルな単眼ビュー合成」を実現します。鍵となるのは、様々なカメラの画像を統一された「全天球潜在空間（omnidirectional latent space）」にマッピングする手法です。特徴量とガウス空間の両方で暗黙的なアライメントを行うことで、あらゆる光学系におけるフォトリアルなレンダリングを可能にしました。
なぜ注目すべきか（スコア内訳） 合計スコア114.74点という、今週圧倒的なトップです。GitHubでのスター数256★という高い実装への関心に加え、cvFactor（論文の質・重要度）が95と極めて高く、Insta360の研究チームによる「カメラモデルの制約からの解放」という課題解決の大きさが数値に現れています。
関連リンク arXiv | Hugging Face | GitHub
PersistGS: Differentiable Physics for Object Permanence in 4D Gaussian Splatting
どんな論文？ / 新規性 4D Gaussian Splattingにおける「遮蔽（オクルージョン）問題」に挑んだ野心的な研究です。動いている物体がカメラから完全に隠れた際、従来の学習手法では勾配が消失し、その物体の形状が崩壊してしまう問題がありました。PersistGSは、微分可能な剛体シミュレーションを3DGSに結合。物体の慣性や摩擦、衝突を物理的に予測することで、カメラから見えなくなった期間の物体の位置や挙動を「物理的に正しい形」で補完（Object Permanence）することに成功しました。
なぜ注目すべきか（スコア内訳） 合計スコア88.00点。コミュニティの反応（HF/GitHub）はまだこれからですが、cvFactor 85という高い評価を得ています。「見た目がそれっぽい」だけの生成ではなく、「物理的に正しい」再構成を目指すという、次世代のデジタルツインに不可欠なアプローチです。
関連リンク arXiv | Hugging Face
DENSER: Depth-Guided Ensemble with Staged EFA-GS Reconstruction for Soccer Novel View Synthesis
どんな論文？ / 新規性 サッカーのような、激しく動く物体と複雑な背景が混在するシーンの新規視点合成（NVS）に特化した手法です。EFA-GSを拡張し、カメラの高さに基づいた損失重み付け、Depth-Anything-V2を用いた単眼深度による幾何学的制約、そして3つのモデルを用いたアンサンブル学習を導入。これにより、テクスチャの少ない領域でも正確な幾何構造を維持した、高精細なレンダリングを実現しています。
なぜ注目すべきか（スコア内訳） 合計スコア97.00点。特定のドメイン（サッカー）における高度な最適化プロセスが、非常に高いcvFactor 82を叩き出しています。動的なスポーツシーンのデジタルアーカイブや中継技術への応用が期待されます。
関連リンク arXiv | Hugging Face
第4位〜第10位 クイックレビュー
【第4位】 ZipSplat: Fewer Gaussians, Better Splats 3DGSの計算コストとメモリ消費を削減するため、ガウス要素の数を抑えつつ品質を維持する効率化技術。計算リソースの限られたエッジデバイスへの展開に不可欠な研究です。 関連リンク arXiv | Hugging Face | GitHub
【第5位】 SAVMap: Structure-Aided Visual Mapping of Large-Scale 2.5D Manhattan Wireframes from Panoramic Video パノラマビデオから、倉庫の棚や照明構造などの大規模なマンハッタン・ワイヤーフレームマップを生成。産業環境のデジタルツイン構築を加速させる手法です。 関連リンク arXiv | Hugging Face
【第6位】 Geometry Gaussians: Decoupling Appearance and Geometry in Gaussian Splatting 3DGSにおける「外見（Appearance）」と「幾何形状（Geometry）」の分離に焦点を当てた研究。より正確な表面形状の抽出を目指し、幾何学的表現の精度を向上させています。 関連リンク arXiv | Hugging Face
【第7位】 AvatarMix: Identity-Preserving Cross-Avatar Composition for Outfit Personalization 3Dアバターへの衣装の着せ替え（Outfit Transfer）において、アイデンティティを維持しながら、身体と衣服の干渉（intersection）を防ぐ高度な合成手法を提案しています。 関連リンク arXiv | Hugging Face
【第8位】 4D Reconstruction from Sparse Dynamic Cameras 少ない数の動的カメラから、4次元（3D + 時間）の再構成を行う手法。カメラ配置の制約が厳しい実環境での適用を視野に入れた研究です。 関連リンク arXiv | Hugging Face
【第9位】 FreeStreamGS: Online Feed-forward 3D Gaussian Splatting from Unposed Streaming Inputs 位置情報（Pose）を持たないストリーミング入力から、オンラインかつフィードフォワードで3DGSを実現する技術。リアルタイム性の高い空間構築を可能にします。 関連リンク arXiv | Hugging Face
【第10位】 Trans2Occ: Voxel Occupancy Estimation and Grasp for Transparent Objects from Simulation to Reality シミュレーションから実世界へ（Sim-to-Real）の転移を用い、透明な物体に対するボクセル占有推定と把持（Grasp）を実現。ロボティクスの課題解決に直結する研究です。 関連リンク arXiv | Hugging Face
編集後記
今週のランキングを俯瞰すると、3DGaussian Splattingが「単なるレンダリング手法」から「物理・幾何・カメラモデルを内包する包括的な空間理解基盤」へと進化していることが鮮明に見て取れます。特に第1位のUniSHARPが示す「カメラモデルの普遍化」と、第2位のPersistGSが示す「物理法則による補完」は、コンピュータビジョンが「見た目の模倣」から「世界のシミュレーション」へと足を踏み入れたことを象徴しています。エンジニアの皆さんは、単なる実装の速さだけでなく、こうした「物理的整合性」という新たな評価軸に注目しておく必要があるでしょう。