ランキング（注目度スコア）
スコア算出日: 2026-06-28
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）
今週のコンピュータビジョン界隈は、まさに「空間の再定義」が加速していると言えるでしょう。2Dの画像から、単なる形状の復元を超え、まだ見ぬ領域（Beyond the visible）までを生成的に補完し、広大な地球規模の3Dモデルへと昇華させる。そんな、SFの世界が現実の技術として塗り替えられていくような、エキサイティングな論文が揃いました。特に、3D Gaussian Splatting (3DGS) を基盤とした、生成と再構成の融合は、もはや一つの大きな潮流となっています。
トップ3の深掘り
ABot-Earth 0.5: Generative 3D Earth Model
どんな論文？ / 新規性 衛星画像という膨大な地理空間データから、シームレスな3D環境を合成する生成的な3Dフレームワークです。従来の3Dモデル構築とは異なり、3D Gaussian Splatting (3DGS) の表現形式を直接用いた生成モデルを提案しており、地球規模の広大なエリアを、一貫性を保ったまま3Dとして描き出すことに成功しています。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは123.61点と、今週のトップを独走しています。HF Upvotes: 486件、GitHub Stars: 184★という圧倒的なコミュニティの支持に加え、cvFactor: 88という高い学術的評価が、この研究のインパクトを裏付けています。
関連リンク arXiv | Hugging Face | GitHub
MoVerse: Real-Time Video World Modeling with Panoramic Gaussian Scaffold
どんな論文？ / 新規性 単一の狭い視野（Narrow FoV）の画像から、インタラクティブに移動可能なシーンをリアルタイムに生成する「ビデオ・ワールドモデル」です。Panoramic Gaussian Scaffoldを用いることで、入力画像には写っていない周囲の環境までも、一貫したジオメトリとして補完し、カメラの動きに追従するダイナミックな世界を作り上げます。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは117.34点。cvFactorが95と非常に高く、技術的な難易度と新規性が極めて高いことを示しています。GitHub Stars: 107★も、その実装への関心の高さを示しています。
関連リンク arXiv | Hugging Face | GitHub
World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible
どんな論文？ / 新規性 Image-to-3Dにおける「忠実性（Faithfulness）」と「完全性（Completeness）」のトレードオフを解消する手法です。入力ピクセルに整合したジオメトリを予測しつつ、可視領域を超えた「見えない部分」の3D構造までを生成的に補完する、ピクセルアライメントされた生成ジオメトリ表現を提案しています。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは113.55点。特にGitHub Starsが308★と、今週のトップ3の中で最もエンジニアからの関心を集めています。cvFactorも92と高く、実用的な3D復元技術としての期待値が伺えます。
関連リンク arXiv | Hugging Face | GitHub
第4位〜第10位 クイックレビュー
【第4位】DepthMaster: Unified Monocular Depth Estimation for Perspective and Panoramic Images パースペクティブ画像とパノラマ画像の両方に対して、統一的な単眼深度推定を行う手法です。カメラの視野角（FoV）に依存しない、汎用的なメトリック深度推定の実現を目指しています。 関連リンク arXiv | Hugging Face
【第5位】SHERPA: Seam-aware Harmonized ERP Adaptation for Open-Domain 360° Panorama Generation 360度パノラマ生成において、シーム（継ぎ目）を意識した調和のとれた生成を実現する手法です。大規模なテキストto-画像モデルの知識を、パノラマ画像の特性に合わせて適応させています。 関連リンク arXiv | Hugging Face
【第6位】3D Consistency Optimization for Self-Supervised Monocular Video Depth Estimation 単眼ビデオからの自己教師あり深度推定において、3D的な一貫性を最適化することで、時間的な整合性を高める手法です。内視鏡ナビゲーションのような、極めて高い精度が求められるシーンへの応用が期待されます。 関連リンク arXiv | Hugging Face この論文の詳細な解説記事はこちら
【第7位】Wild3R: Feed-Forward 3D Gaussian Splatting from Unconstrained Sparse Photo Collection 制約の少ない、バラバラな写真群から、フィードフォワード形式で3DGSを構築する手法です。照明条件の変動や動体が含まれる現実世界の複雑な写真セットに対しても、最適化なしで高速に3D復元が可能です。 関連リンク arXiv | Hugging Face | GitHub
【第8位】Toward 360-Degree Indoor Panorama Editing via Tuning-Free Diffusion Model with Refocusing Cross-Attention 追加学習（Tuning-free）なしで、360度パノラマ画像をテキストに従って編集する手法です。Refocusing Cross-Attentionにより、編集対象以外の領域への意図しない影響（Spillover edits）を防ぎます。 関連リンク arXiv | Hugging Face
【第9位】Envision4D: Envisioning Visual Futures via Feed-forward 4D Gaussian Splatting for Autonomous Driving 自動運転において、動的なシーンの未来の姿を予測する4D Gaussian Splattingを用いた手法です。従来の補間（Interpolation）ではなく、未来の予測（Extrapolation）におけるゴースト現象などの課題に挑んでいます。 関連リンク arXiv | Hugging Face | GitHub
【第10位】MooMIns — Monocular 3D Reconstruction and Object Pose Estimation from Multiple Instances 単一の画像内に存在する「同じオブジェクトの複数の個体」を利用して、3D復元と6Dポーズ推定を同時に行う手法です。産業現場などの、複数の物体が混在するシーンを賢く利用して、解けない問題（Ill-posed problem）に挑んでいます。 関連リンク arXiv | Hugging Face
編集後記
今週のラインナップを眺めていて改めて感じるのは、コンピュータビジョンの焦点が「見る（Perception）」から「生成する（Generation）」へと完全にシフトしていることです。特に、3DGSを用いた「見えていない部分の生成」や「ビデオによる世界モデルの構築」は、空間コンピューティングの基盤となる技術です。単なる幾何学的な計算ではなく、統計的な「もっともらしさ」によって世界を拡張していく。このパラダイムシフトの最前線に、我々は立っています。