論文の概要: Deformable Radial Kernel Splatting

• arxiv url: http://arxiv.org/abs/2412.11752v1
• Date: Mon, 16 Dec 2024 13:11:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:55:13.667685
• Title: Deformable Radial Kernel Splatting
• Title（参考訳）: 変形性ラジアルカーネルスプラッティング
• Authors: Yi-Hua Huang, Ming-Xian Lin, Yang-Tian Sun, Ziyi Yang, Xiaoyang Lyu, Yan-Pei Cao, Xiaojuan Qi,
• Abstract要約: Deformable Radial Kernel (DRK)を導入し,ガウススプラッティングをより汎用的で柔軟なフレームワークに拡張する。 DRKは、エッジシャープネスと境界曲率の正確な制御を可能にしながら、様々な形状プリミティブを効率的にモデル化する。
• 参考スコア（独自算出の注目度）: 53.92593804734493
• License:
• Abstract: Recently, Gaussian splatting has emerged as a robust technique for representing 3D scenes, enabling real-time rasterization and high-fidelity rendering. However, Gaussians' inherent radial symmetry and smoothness constraints limit their ability to represent complex shapes, often requiring thousands of primitives to approximate detailed geometry. We introduce Deformable Radial Kernel (DRK), which extends Gaussian splatting into a more general and flexible framework. Through learnable radial bases with adjustable angles and scales, DRK efficiently models diverse shape primitives while enabling precise control over edge sharpness and boundary curvature. iven DRK's planar nature, we further develop accurate ray-primitive intersection computation for depth sorting and introduce efficient kernel culling strategies for improved rasterization efficiency. Extensive experiments demonstrate that DRK outperforms existing methods in both representation efficiency and rendering quality, achieving state-of-the-art performance while dramatically reducing primitive count.
• Abstract（参考訳）: 近年,ガウススプラッティングは3次元シーンを表現し,リアルタイムラスタライズと高忠実なレンダリングを実現するための堅牢な手法として出現している。 しかし、ガウスの固有の放射対称性と滑らかさの制約は、複雑な形状を表現する能力を制限し、詳細な幾何学を近似するために数千の原始体を必要とする。 Deformable Radial Kernel (DRK)を導入し,ガウススプラッティングをより汎用的で柔軟なフレームワークに拡張する。 学習可能な半径ベースと調節可能な角度とスケールによって、DRKは、エッジシャープネスと境界曲率の正確な制御を可能にしながら、様々な形状プリミティブを効率的にモデル化する。 Iven DRK の平面特性により、深度ソートのための正確なレイプライミティブ交叉計算がさらに発展し、ラスタ化効率を向上させるための効率的なカーネルカリング戦略が導入された。 大規模な実験により、DRKは表現効率とレンダリング品質の両方において既存の手法よりも優れており、最先端の性能を実現し、プリミティブカウントを劇的に減らした。

関連論文リスト

• Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
  本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。 3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
  論文  参考訳（メタデータ） (2024-11-19T11:59:54Z)
• 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)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Don't Splat your Gaussians: Volumetric Ray-Traced Primitives for Modeling and Rendering Scattering and Emissive Media [8.792248506305937]
  我々は、単純なカーネルベースのボリュームプリミティブの混合物を用いて散乱媒体と放射媒体のモデリングを形式化し、一般化する。 本手法は,散乱媒体の前方および逆レンダリングのための他の形態のボリュームモデリングに代わる,コンパクトで効率的な代替手段であることを示す。 また,エパネチニコフカーネルを導入し,シーン再構築作業において従来のガウスカーネルに代わる効率的な代替手段としての可能性を示した。
  論文  参考訳（メタデータ） (2024-05-24T10:42:05Z)
• AtomGS: Atomizing Gaussian Splatting for High-Fidelity Radiance Field [12.025400772749913]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成とリアルタイムレンダリング速度の優れた機能を提供することにより、近年、放射界再構成が進んでいる。 AtomGSはAtomized ProliferationとGeometry-Guided Optimizationで構成されています。 評価の結果、AtomGSはレンダリング品質において既存の最先端手法よりも優れています。
  論文  参考訳（メタデータ） (2024-05-20T20:38:22Z)
• Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
  Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。 GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。 GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
  論文  参考訳（メタデータ） (2024-04-16T17:57:19Z)
• End-to-End Rate-Distortion Optimized 3D Gaussian Representation [33.20840558425759]
  本稿では,コンパクトな3次元ガウス学習をエンドツーエンドのレート・ディストーション最適化問題として定式化する。 動的プルーニングとエントロピー制約ベクトル量子化(ECVQ)を導入し、同時に速度と歪みを最適化する。 RDO-Gaussianが40倍の3Dガウスサイズを大幅に縮小することを示すため,実シーンと合成シーンの両方で本手法の有効性を確認した。
  論文  参考訳（メタデータ） (2024-04-09T14:37:54Z)
• 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
  3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。 多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。 競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T17:21:24Z)
• Isotropic Gaussian Splatting for Real-Time Radiance Field Rendering [15.498640737050412]
  提案手法は, 3次元再構成, ビュー合成, 動的オブジェクトモデリングなど, 広範囲の応用に適用できる。 提案手法は, 幾何表現精度を損なうことなく, 約bf100倍高速であることを確認した。
  論文  参考訳（メタデータ） (2024-03-21T09:02:31Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)

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。