論文の概要: SafeguardGS: 3D Gaussian Primitive Pruning While Avoiding Catastrophic Scene Destruction

• arxiv url: http://arxiv.org/abs/2405.17793v1
• Date: Tue, 28 May 2024 03:41:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 22:22:25.049292
• Title: SafeguardGS: 3D Gaussian Primitive Pruning While Avoiding Catastrophic Scene Destruction
• Title（参考訳）: 3Dガウスのプリミティブ・プルーニングは破滅的現場の破壊を防ぐ
• Authors: Yongjae Lee, Zhaoliang Zhang, Deliang Fan,
• Abstract要約: 3DGSは、リアルタイムのレンダリング速度を達成しつつ、トップノッチのレンダリング品質を実証し、新しいビュー合成において大きな進歩を遂げた。 3DGSの準最適デンシフィケーションプロセスから生じるガウス原始体の過多は、フレーム/秒(FPS)を遅くし、かなりのメモリコストを要求するという大きな課題を引き起こす。 まず,3DGSプルーニング手法を2つのタイプに分類する: クロスビュープルーニングとピクセルワイズプルーニングで,プリミティブのランク付け方法が異なる。
• 参考スコア（独自算出の注目度）: 45.654397516679495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) has made a significant stride in novel view synthesis, demonstrating top-notch rendering quality while achieving real-time rendering speed. However, the excessively large number of Gaussian primitives resulting from 3DGS' suboptimal densification process poses a major challenge, slowing down frame-per-second (FPS) and demanding considerable memory cost, making it unfavorable for low-end devices. To cope with this issue, many follow-up studies have suggested various pruning techniques, often in combination with different score functions, to optimize rendering performance. Nonetheless, a comprehensive discussion regarding their effectiveness and implications across all techniques is missing. In this paper, we first categorize 3DGS pruning techniques into two types: Cross-view pruning and pixel-wise pruning, which differ in their approaches to rank primitives. Our subsequent experiments reveal that while cross-view pruning leads to disastrous quality drops under extreme Gaussian primitives decimation, the pixel-wise pruning technique not only sustains relatively high rendering quality with minuscule performance degradation but also provides a reasonable minimum boundary for pruning. Building on this observation, we further propose multiple variations of score functions and empirically discover that the color-weighted score function outperforms others for discriminating insignificant primitives for rendering. We believe our research provides valuable insights for optimizing 3DGS pruning strategies for future works.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、リアルタイムレンダリング速度を達成しつつ、トップノッチレンダリングの品質を実証し、新しいビュー合成において大きな進歩を遂げた。 しかし、3DGSの過度に多くのガウスプリミティブは、フレーム/秒(FPS)を遅くし、かなりのメモリコストを必要とするため、ローエンドデバイスでは好ましくない。 この問題に対処するために、多くのフォローアップ研究は、レンダリング性能を最適化するために、様々なプルーニング技術(しばしば異なるスコア関数と組み合わせて)を提案している。 それでも、すべてのテクニックに対する効果と影響に関する包括的な議論は欠落している。 本稿では,まず3DGSプルーニング手法を2つのタイプに分類する:クロスビュープルーニングとピクセルワイズプルーニング。 その後の実験では,極端ガウスプリミティブデシメーションの下でのクロスビュープルーニングは破滅的な品質低下をもたらすが,画素ワイドプルーニング技術は比較的高いレンダリング品質を維持できるだけでなく,最小限のプルーニング境界を提供する。 そこで本研究では,複数種類の楽譜関数を提案し,色重み付けされた楽譜関数が他者より優れていることを実証的に発見し,レンダリングのための重要なプリミティブを識別する。 我々の研究は、将来の作業のために3DGSプルーニング戦略を最適化するための貴重な洞察を提供すると信じています。

関連論文リスト

• 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)
• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本稿では,現在のアプローチよりも優れた空間感性プルーニングスコアを提案する。 また,事前学習した任意の3D-GSモデルに適用可能なマルチラウンドプルーファインパイプラインを提案する。 我々のパイプラインは、3D-GSの平均レンダリング速度を2.65$times$で増加させ、より健全なフォアグラウンド情報を保持します。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)
• EfficientGS: Streamlining Gaussian Splatting for Large-Scale High-Resolution Scene Representation [29.334665494061113]
  能率GS」は3DGSを高解像度で大規模なシーンに最適化する高度なアプローチである。 3DGSの密度化過程を解析し,ガウスの過剰増殖領域を同定した。 本稿では,ガウス的増加を重要な冗長プリミティブに制限し,表現効率を向上する選択的戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:32:30Z)
• AbsGS: Recovering Fine Details for 3D Gaussian Splatting [10.458776364195796]
  3D Gaussian Splatting (3D-GS) 技術は3Dプリミティブを相違可能なガウス化と組み合わせて高品質な新規ビュー結果を得る。 しかし、3D-GSは、高頻度の詳細を含む複雑なシーンで過度に再構成の問題に悩まされ、ぼやけた描画画像に繋がる。 本稿では,前述の人工物,すなわち勾配衝突の原因を包括的に分析する。 我々の戦略は過度に再構成された地域のガウス人を効果的に同定し、分割して細部を復元する。
  論文  参考訳（メタデータ） (2024-04-16T11:44:12Z)
• CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
  Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。 我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。 実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
  論文  参考訳（メタデータ） (2024-04-15T04:50:39Z)
• 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)

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。