論文の概要: SA-GS: Scale-Adaptive Gaussian Splatting for Training-Free Anti-Aliasing

• arxiv url: http://arxiv.org/abs/2403.19615v1
• Date: Thu, 28 Mar 2024 17:32:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-29 15:14:42.392476
• Title: SA-GS: Scale-Adaptive Gaussian Splatting for Training-Free Anti-Aliasing
• Title（参考訳）: SA-GS: トレーニングフリーアンチエイリアスのためのスケール適応型ガウススプラッティング
• Authors: Xiaowei Song, Jv Zheng, Shiran Yuan, Huan-ang Gao, Jingwei Zhao, Xiang He, Weihao Gu, Hao Zhao,
• Abstract要約: 抗エイリアス・ガウス・スティング(SA-GS)のためのスケール適応法を提案する。 SA-GSは、任意の事前訓練されたガウススプラッティングフィールドにプラグインとして適用することができ、フィールドのアンチサーシング性能を著しく改善することができる。
• 参考スコア（独自算出の注目度）: 6.8974606294354945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a Scale-adaptive method for Anti-aliasing Gaussian Splatting (SA-GS). While the state-of-the-art method Mip-Splatting needs modifying the training procedure of Gaussian splatting, our method functions at test-time and is training-free. Specifically, SA-GS can be applied to any pretrained Gaussian splatting field as a plugin to significantly improve the field's anti-alising performance. The core technique is to apply 2D scale-adaptive filters to each Gaussian during test time. As pointed out by Mip-Splatting, observing Gaussians at different frequencies leads to mismatches between the Gaussian scales during training and testing. Mip-Splatting resolves this issue using 3D smoothing and 2D Mip filters, which are unfortunately not aware of testing frequency. In this work, we show that a 2D scale-adaptive filter that is informed of testing frequency can effectively match the Gaussian scale, thus making the Gaussian primitive distribution remain consistent across different testing frequencies. When scale inconsistency is eliminated, sampling rates smaller than the scene frequency result in conventional jaggedness, and we propose to integrate the projected 2D Gaussian within each pixel during testing. This integration is actually a limiting case of super-sampling, which significantly improves anti-aliasing performance over vanilla Gaussian Splatting. Through extensive experiments using various settings and both bounded and unbounded scenes, we show SA-GS performs comparably with or better than Mip-Splatting. Note that super-sampling and integration are only effective when our scale-adaptive filtering is activated. Our codes, data and models are available at https://github.com/zsy1987/SA-GS.
• Abstract（参考訳）: 本稿では,アンチエイリアス・ガウス・スティング(SA-GS)のためのスケール適応手法を提案する。 最先端の手法であるMip-Splattingではガウススプラッティングの訓練手順を変更する必要があるが,本手法はテスト時に機能し,訓練は不要である。 具体的には、SA-GSを任意の事前訓練されたガウススプラッティングフィールドにプラグインとして適用して、フィールドのアンチサーシング性能を著しく改善することができる。 コアとなる手法は、テスト時間中に各ガウスに2次元スケール適応フィルタを適用することである。 Mip-Splatting が指摘しているように、異なる周波数でガウスの観測は、訓練と試験の間にガウスのスケールのミスマッチを引き起こす。 Mip-Splattingは3Dスムーシングと2D Mipフィルタを使ってこの問題を解決する。 本研究では,テスト周波数を知らせる2次元スケール適応フィルタがガウススケールと効果的に一致しうることを示す。 スケール不整合がなくなると、従来のジャグネスによるシーン周波数よりもサンプリングレートが小さくなり、テスト中の各画素に投影された2Dガウスアンを統合することを提案する。 この統合は実際にはスーパーサンプリングの制限ケースであり、バニラ・ガウシアン・スプラッティングに対するアンチエイリアス性能を大幅に改善する。 様々な設定と境界と非境界の両方を用いた広範囲な実験を通して、SA-GS は Mip-Splatting よりも相容れない性能を示す。 スーパーサンプリングと統合は、我々のスケール適応フィルタリングがアクティブになったときにのみ有効である。 私たちのコード、データ、モデルはhttps://github.com/zsy 1987/SA-GS.comで公開されています。

関連論文リスト

• MeshGS: Adaptive Mesh-Aligned Gaussian Splatting for High-Quality Rendering [61.64903786502728]
  本稿では,メッシュ表現を3次元ガウススプラットと統合し,再現された現実世界のシーンの高品質なレンダリングを実現する手法を提案する。 各ガウススプレートとメッシュ表面との距離を, 密接な束縛と緩い束縛の相違点として検討した。 提案手法は,2dB高いPSNRを達成し,メッシュベースのガウス分割法を1.3dBPSNRで上回った。
  論文  参考訳（メタデータ） (2024-10-11T16:07:59Z)
• Variational Bayes Gaussian Splatting [44.43761190929142]
  3Dガウシアン・スプラッティングはガウシアンの混合物を用いて3Dシーンをモデル化するための有望なアプローチとして登場した。 本稿では,モデルパラメータに対する変分推論としてガウススプレートをトレーニングするための新しい手法である変分ベイズ・ガウス・スプラッティングを提案する。 実験の結果,VBGSは静的データセット上での最先端性能だけでなく,逐次ストリームされた2Dおよび3Dデータからの連続的な学習も可能であった。
  論文  参考訳（メタデータ） (2024-10-04T16:52:03Z)
• GaussianOcc: Fully Self-supervised and Efficient 3D Occupancy Estimation with Gaussian Splatting [16.480043962212566]
  本研究では, ガウススプラッティングとガウススプラッティングの2つの利用法を提案する。 その結果,GussianOcc法では,計算コストの低い競合性能において,完全に自己監督された3次元占有率推定が可能となった。
  論文  参考訳（メタデータ） (2024-08-21T09:06:30Z)
• Mipmap-GS: Let Gaussians Deform with Scale-specific Mipmap for Anti-aliasing Rendering [81.88246351984908]
  任意のスケールでガウスを適応させる統一最適化法を提案する。 ミップマップ技術に触発されて、ターゲットスケールのための擬似基底構造を設計し、3次元ガウスアンにスケール情報を注入するスケール一貫性誘導損失を提案する。 本手法は,PSNRの3DGSを,ズームインで平均9.25dB,ズームアウトで平均10.40dBで上回っている。
  論文  参考訳（メタデータ） (2024-08-12T16:49:22Z)
• RaDe-GS: Rasterizing Depth in Gaussian Splatting [32.38730602146176]
  Gaussian Splatting (GS) は、高品質でリアルタイムなレンダリングを実現するために、新しいビュー合成に非常に効果的であることが証明されている。 本研究は,DTUデータセット上のNeuraLangeloに匹敵するチャムファー距離誤差を導入し,元の3D GS法と同様の計算効率を維持する。
  論文  参考訳（メタデータ） (2024-06-03T15:56:58Z)
• Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
  Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。 実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。 この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
  論文  参考訳（メタデータ） (2024-02-24T17:22:15Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)
• GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
  GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。 周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
  論文  参考訳（メタデータ） (2024-02-15T17:32:50Z)
• Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
  3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。 ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。 この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
  論文  参考訳（メタデータ） (2023-11-27T13:03:09Z)

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。