論文の概要: Mathematical Supplement for the $\texttt{gsplat}$ Library
- arxiv url: http://arxiv.org/abs/2312.02121v1
- Date: Mon, 4 Dec 2023 18:50:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 14:05:02.810089
- Title: Mathematical Supplement for the $\texttt{gsplat}$ Library
- Title（参考訳）: the $\texttt{gsplat}$ library の数学的補足
- Authors: Vickie Ye and Angjoo Kanazawa
- Abstract要約: 本報告では,効率的な微分可能なガウススプラッティングのためのモジュールツールボックスであるgsplatライブラリの数学的詳細について述べる。
これは微分可能なガウススプラッティングの前方および後方通過に関わる計算に対して自己完結した参照を提供する。
- 参考スコア（独自算出の注目度）: 31.200552171251708
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This report provides the mathematical details of the gsplat library, a
modular toolbox for efficient differentiable Gaussian splatting, as proposed by
Kerbl et al. It provides a self-contained reference for the computations
involved in the forward and backward passes of differentiable Gaussian
splatting. To facilitate practical usage and development, we provide a user
friendly Python API that exposes each component of the forward and backward
passes in rasterization at github.com/nerfstudio-project/gsplat .
- Abstract（参考訳）: 本稿では、Kerblらによって提案された、効率的な微分可能なガウススプラッティングのためのモジュラーツールボックスであるgsplatライブラリの数学的詳細を提供する。
これは微分可能なガウススプラッティングの前方および後方通過に関わる計算に対して自己完結した参照を提供する。
実用的な利用と開発を容易にするため、github.com/nerfstudio-project/gsplatで、前方および後方パスの各コンポーネントをラスタライズして公開する、ユーザフレンドリーなPython APIを提供する。
関連論文リスト
- gsplat: An Open-Source Library for Gaussian Splatting [28.65527747971257]
gsplatはGaussian Splattingメソッドのトレーニングと開発用に設計されたオープンソースライブラリである。
PyTorchライブラリと互換性のあるPythonバインディングを備えたフロントエンドと、高度に最適化されたカーネルを備えたバックエンドを備えている。
論文 参考訳（メタデータ） (2024-09-10T17:57:38Z) - ShapeSplat: A Large-scale Dataset of Gaussian Splats and Their Self-Supervised Pretraining [104.34751911174196]
ShapeNetとModelNetを用いた大規模3DGSデータセットを構築した。
データセットのShapeSplatは、87のユニークなカテゴリから65Kのオブジェクトで構成されています。
textbftextitGaussian-MAEを導入し、ガウスパラメータからの表現学習の独特な利点を強調した。
論文 参考訳（メタデータ） (2024-08-20T14:49:14Z) - Gradients of Functions of Large Matrices [18.361820028457718]
数値線形代数のワークホースを効率的に区別する方法を示す。
以前は知られていなかったLanczosとArnoldiのイテレーションのアジョイントシステムをJAXで実装し、結果として得られるコードがDiffraxと競合することを示す。
これらはすべて、問題固有のコードの最適化なしに実現されます。
論文 参考訳（メタデータ） (2024-05-27T15:39:45Z) - Ensemble-based gradient inference for particle methods in optimization
and sampling [2.9005223064604078]
本稿では,関数評価とベイズ推定に基づく高次微分情報抽出手法を提案する。
我々は,この情報を用いて,アンサンブルに基づく数値法の改良を行い,最適化とサンプリングを行うことを提案する。
論文 参考訳（メタデータ） (2022-09-23T09:21:35Z) - Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。
このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。
分類モデルと非分類モデルの両方に使用できる。
論文 参考訳（メタデータ） (2020-09-16T18:57:57Z) - Picasso: A Sparse Learning Library for High Dimensional Data Analysis in
R and Python [77.33905890197269]
本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。
ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
論文 参考訳（メタデータ） (2020-06-27T02:39:24Z) - MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。
このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
論文 参考訳（メタデータ） (2020-02-09T23:34:49Z) - Multi-layer Optimizations for End-to-End Data Analytics [71.05611866288196]
代替アプローチを実現するフレームワークであるIFAQ(Iterative Functional Aggregate Queries)を紹介する。
IFAQは、特徴抽出クエリと学習タスクを、IFAQのドメイン固有言語で与えられた1つのプログラムとして扱う。
IFAQ の Scala 実装が mlpack,Scikit,特殊化を数桁で上回り,線形回帰木モデルや回帰木モデルを複数の関係データセット上で処理可能であることを示す。
論文 参考訳（メタデータ） (2020-01-10T16:14:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。