ランキング（注目度スコア）
スコア算出日: 2026-09-20
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「動的な空間の完全なデジタル化」へと向かう熱い一週間でした。3D Gaussian Splatting (3DGS) が、単なる静止画の再構成から、長時間動画の安定化、そして編集可能な表現へと、その領域を劇的に広げています。また、拡散モデルと3D Foundation Modelの融合が、深度推定やシーン生成のパラダイムを塗り替えつつあることも、改めて浮き彫りになりました。エンジニア諸君、今週も目が離せないトピックが揃っています。
トップ3の深掘り
ATGS: Anchored Temporal Gaussian Splatting for Long Volumetric Video Representation
どんな論文？ / 新規性 動的な実世界シーンを長時間にわたって高品質にレンダリングする「Volumetric Video」において、既存手法が抱えていた「時間的な不安定さ」と「視覚的なアーティファクト」という難題に挑んだ論文です。ATGSは、時間的なアンカー（Anchor）を導入することで、複雑な動きを伴う長いシーケンスでも、一貫性を保ったまま高品質なレンダリングを実現します。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは104.80点。GitHub Stars 23★というコミュニティの関心に加え、cvFactor（論文の質・インパクト）が85と非常に高く、長尺動画の3Dレンダリングにおける決定的な解決策となる可能性を秘めているため、今週のトップに輝きました。
関連リンク arXiv | Hugging Face | GitHub
Efficient and High-Quality Depth Estimation via Pixel-Space Diffusion with Linear Attention
どんな論文？ / 新規性 「Lapis」と名付けられたこの手法は、Pixel-Spaceでの生成フレームワークにLinear Attentionを導入することで、1ステップの拡散プロセスによる、極めて効率的かつ高精度な深度推定を可能にしました。生成AIの強力な表現力を持ちつつ、計算コストを劇的に抑えた点が革新的です。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは103.00点。GitHub Starこそありませんが、cvFactorが88と非常に高く、実用的な深度推定アルゴリズムとしての完成度の高さが評価されています。
関連リンク arXiv | Hugging Face
PASTEL: Panoramic Alignment for Monocular 4D Scene Reconstruction
どんな論文？ / 新規性 カジュアルに撮影された単眼動画から、VRやEmbodied AIに不可欠な「4Dシーン（動的な3Dシーン）」を再構成する手法です。PASTELは、パノラマ的なアライメント（整列）を行うことで、従来の単眼動画からの再構成では困難だった、広範囲かつ動的なシーンの正確なキャプチャを実現します。
なぜ注目すべきか（スコア内訳を数字で） 合計スコアは103.00点。cvFactor 88という極めて高い評価を得ており、単眼カメラという制約下での4D再構成における新たなスタンダードとなる可能性を示しています。
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】 Zero-Shot Novel Depth Synthesis Using 3D Foundation Models Scene Representations 3D Foundation Models（3DFMs）の豊かな表現力を利用し、未知のシーンに対してもゼロショットで高精度な深度合成を行う手法です。 関連リンク arXiv | Hugging Face
【第5位】 Sparse auto-regressive modeling for scene generation from multi-view images 少ない視点（Sparse views）から、見えていない部分まで推論して完全な3Dシーンを生成する、自己回帰モデルによるアプローチです。 関連リンク arXiv | Hugging Face
【第6位】 SMG: Semantic Motion Graph for Monocular Dynamic Gaussian Splatting 単眼動画から動的なGaussian Splattingを行う際、セマンティックなモーショングラフを用いることで、オクルージョンや複雑な動きへの耐性を高めた手法です。 関連リンク arXiv | Hugging Face
【第7位】 DualDiff3D: Dual Structure-Appearance Diffusion Priors for Reliability-Enhanced 3D Gaussian Splatting 限られた視点からの3DGSにおいて、構造と外観の2つの拡散事前分布（Diffusion Priors）を用いることで、再構成の信頼性を劇的に向上させます。 関連リンク arXiv | Hugging Face | GitHub
【第8位】 BLASt3R: Bundle Adjustment of Any Image Set with Multi-View Matching and Monocular Priors フィードフォワードな3D再構成と、従来のBundle Adjustment（BA）を組み合わせ、スケーラビリティと精度を両立させたハイブリッドSfMシステムです。GitHub Stars 42★と非常に高い注目を集めています。 関連リンク arXiv | Hugging Face | GitHub
【第9位】 UniFusion: Sparse-View 4D Reconstruction via Unified Spatio-temporal Depth Alignment 疎な視点の動画から4D再構成を行う際、時空間的な深度アライメントを用いることで、視点間の重複が少ない状況でも正確な再構成を実現します。 関連リンク arXiv | Hugging Face | GitHub
【第10位】 PointGT: Simultaneous Geometry and Texture Editing for Point-Based Representations 点群ベースの表現を用い、オブジェクトの形状（Geometry）と外観（Texture）を同時に、かつ直感的に編集可能にする新しい手法です。 関連リンク arXiv | Hugging Face | GitHub
編集後記
今週のラインナップを眺めて改めて感じるのは、コンピュータビジョンにおける「Foundation Model」の浸透です。単なる幾何学的な計算（SfMやBA）に、生成AIが持つ「見たことのない部分を補完する力」が融合し、これまで不可能だった「単眼からの4D再構成」や「高精度な深度推定」が次々と現実のものとなっています。
特に3D Gaussian Splattingの進化は目覚ましく、もはや単なるレンダリング技術の枠を超え、空間を「いかに効率的に、かつ直感的に記述・編集するか」という、空間コンピューティングの基盤技術へと進化を遂げています。エンジニアの皆さん、次は「生成された空間をどう使いこなすか」というフェーズが、すぐそこまで来ていますよ。