ランキング（注目度スコア）
スコア算出日: 2026-07-05
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「Gaussian Splatting（3DGS）の深化」が止まらない熱狂的な週となりました。単なる静止画の3D再構成を超え、動的な形状変化（Dynamic）、物理演算との融合（Physics）、そしてロボティクスへの応用（Navigation/SLAM）といった、より実用的な「Spatial Computing」の核心へと技術が急速にシフトしています。レンダリングの美しさを追求するフェーズから、現実世界とデジタル空間をどう「相互作用」させるかという、より高度な課題に挑む論文がトップを席巻しています。
トップ3の深掘り
Multi4D: High-Fidelity Dynamic Gaussian Splatting via Multi-Level Competitive Allocation
どんな論文？ / 新規性 動的な3D Gaussian Splattingにおける長年の課題である「動きの整合性（Motion Consistency）」と「視覚的な鮮明さ（Visual Fidelity）」のトレードオフを打破する研究です。従来のDeformationベースの手法では動きが滑らかになりすぎて細かなディテールが失われ（oversmoothing）、一方で4Dプリミティブを用いる手法は表現力は高いもののパラメータが過剰になりがちでした。Multi4Dは「Multi-Level Competitive Allocation」という新たなアプローチにより、高周波なダイナミクスを維持しつつ、一貫性のある動きを実現しています。
なぜ注目すべきか（スコア内訳を数字で）
合計スコア103.45点は今週の最高値です。特にcvFactorが86と極めて高く、研究の質とインパクトが非常に大きいことを示しています。動的なシーンのデジタルツイン作成において、決定的なブレイクスルーとなる可能性があります。
関連リンク arXiv | Hugging Face | GitHub
MoonSplat: Monocular Online Gaussian Splatting with Sim(3) Global Optimization
どんな論文？ / 新規性 単眼カメラの映像シーケンスから、オンラインでリアルタイムに3D再構成を行う手法です。Sim(3)（相似変換）を用いたグローバル最適化を導入することで、動的な環境下でも高精度な3DGSの構築を可能にしました。
なぜ注目すべきか（スコア内訳を数字で） 合計スコア102.57点。特筆すべきはGitHub Starsが31に達しており、コミュニティからの実装・検証への期待値が極めて高い点です。
関連リンク arXiv | Hugging Face | GitHub
Scene-Level Heterogeneous Physics Simulation with 3D Gaussian Splats
どんな論文？ / 新規性 「見た目はリアルだが、物理的に触れない」という3DGSの最大の弱点を克服するための研究です。3DGSの表現形式と既存の物理エンジンとの間のギャップを埋め、シーン全体に対してヘテロジニアス（不均一）な物理シミュレーションを可能にするフレームワークを提案しています。
なぜ注目すべきか（スコア内訳を数字で）
合計スコア100.00点。cvFactorが85と高く、レンダリング技術を「シミュレーション技術」へと昇華させる、非常に野心的な試みです。
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】Geometry-Preserving in 3D Gaussian Splatting for LiDAR-Camera Extrinsic Calibration LiDARとカメラの外部パラメータキャリブレーションにおいて、幾何学的整合性を保ちながら微分可能なモデルを用いて最適化する手法。マルチモーダルな知覚において不可欠な技術です。 関連リンク arXiv | Hugging Face
【第5位】OneCanvas: 3D Scene Understanding via Panoramic Reprojection パノラマ投影（Equirectangular canvas）を用いて、全視点のパッチ特徴を一つのキャンバスに集約。VLMによる3Dシーン理解を効率化する画期的なアプローチです。 関連リンク arXiv | Hugging Face | GitHub
【第6位】NeuMesh++: Towards Versatile and Efficient Volumetric Editing with Disentangled Neural Mesh-based Implicit Field Neural Implicit FieldとMeshを組み合わせ、剛体変形やカテゴリ特有の編集を可能にする、効率的かつ多才なボリューム編集手法です。 関連リンク arXiv | Hugging Face
【第7位】PolyMerge: Compressing 3D Gaussian Splats with Polytope Coverings for Provably Safe Resource-Constrained Navigation 高精度な3DGSを、リソース制限のあるオンボード環境向けに圧縮する技術。ポリトープ（多面体）による被覆を用いて、安全なナビゲーションを保証します。 関連リンク arXiv | Hugging Face | GitHub
【第8位】CAOA — Completion-Assisted Object-CAD Alignment ノイズや欠損のあるRGB-Dスキャンから、CADモデルを正確に位置合わせ（Alignment）する手法。3Dセマンティック再構成における重要な課題を解決します。 関連リンク arXiv | Hugging Face | GitHub
【第9位】Spectral GS-SLAM: Observability-Aware, Degeneracy-Robust Tracking for Real-Time 3D Gaussian Splatting SLAM テクスチャの少ない環境や構造のない場所でも、ロバストなトラッキングを可能にする、観測可能性を考慮した次世代の3DGS-SLAMです。 関連リンク arXiv | Hugging Face
【第10位】Edit3DGS: Unified Framework for Dynamic Head Editing via 2D Instruction-Guided Diffusion and 3D Gaussian Splatting 2Dの拡散モデルによる指示（Instruction）を3DGSに統合。人物の顔などの動的な3Dヘッド編集を、時間的一貫性を保ちながら実現します。 関連リンク arXiv | Hugging Face
編集後記
今週のランキングを俯瞰して感じるのは、3D Gaussian Splattingが「見るだけの技術」から「動かし、理解し、物理法則に従わせる技術」へと、劇的な進化を遂げていることです。特にトップ3に見られるように、動的なシーンの再現性や、物理シミュレーションとの統合といった、現実世界をデジタル上に完全に再現するための「ミッシングピース」が次々と埋まりつつあります。
エンジニアの皆さん、今こそ3DGSの「その先」を実装する準備を始めてください。次週も、世界の境界を書き換えるような論文を厳選してお届けします。