論文の概要: Deformable Beta Splatting
- arxiv url: http://arxiv.org/abs/2501.18630v2
- Date: Tue, 06 May 2025 07:02:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-07 14:45:09.182858
- Title: Deformable Beta Splatting
- Title（参考訳）: 変形可能なベータスプレイティング
- Authors: Rong Liu, Dylan Sun, Meida Chen, Yue Wang, Andrew Feng,
- Abstract要約: 3D Gaussian Splatting (3DGS) はリアルタイムレンダリングにより高度な放射場再構成を行う。
変形可能ベータスプレイティング(DBS)は,形状と色表現を両立させる,変形可能かつコンパクトなアプローチである。
- 参考スコア（独自算出の注目度）: 4.855751031707892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) has advanced radiance field reconstruction by enabling real-time rendering. However, its reliance on Gaussian kernels for geometry and low-order Spherical Harmonics (SH) for color encoding limits its ability to capture complex geometries and diverse colors. We introduce Deformable Beta Splatting (DBS), a deformable and compact approach that enhances both geometry and color representation. DBS replaces Gaussian kernels with deformable Beta Kernels, which offer bounded support and adaptive frequency control to capture fine geometric details with higher fidelity while achieving better memory efficiency. In addition, we extended the Beta Kernel to color encoding, which facilitates improved representation of diffuse and specular components, yielding superior results compared to SH-based methods. Furthermore, Unlike prior densification techniques that depend on Gaussian properties, we mathematically prove that adjusting regularized opacity alone ensures distribution-preserved Markov chain Monte Carlo (MCMC), independent of the splatting kernel type. Experimental results demonstrate that DBS achieves state-of-the-art visual quality while utilizing only 45% of the parameters and rendering 1.5x faster than 3DGS-MCMC, highlighting the superior performance of DBS for real-time radiance field rendering. Interactive demonstrations and source code are available on our project website: https://rongliu-leo.github.io/beta-splatting/.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) はリアルタイムレンダリングにより高度な放射場再構成を行う。
しかし、幾何学におけるガウス核と色符号化のための低次球高調波(SH)に依存しているため、複雑な幾何学や多彩な色を捉える能力は制限されている。
変形可能ベータ・スプレイティング(DBS)は、幾何学と色表現の両面を強化する変形可能かつコンパクトなアプローチである。
DBSはガウスのカーネルを変形可能なベータカーネルに置き換え、バウンダリサポートと適応周波数制御を提供し、より忠実な形状の細部をキャプチャし、メモリ効率を向上した。
また,カラーエンコーディングにより拡散成分と特異成分の表現が向上し,SH法よりも優れた結果が得られた。
さらに、ガウスの性質に依存する以前の密度化手法とは異なり、正規化不透明度を調整するだけで、スプレイティングカーネルタイプに依存しない分布保存型マルコフ連鎖モンテカルロ(MCMC)が保証されることを数学的に証明する。
実験の結果,DBSはパラメータの45%しか利用せず,3DGS-MCMCよりも1.5倍高速なレンダリングを実現し,リアルタイムの放射場レンダリングにおけるDBSの優れた性能を強調した。
インタラクティブなデモとソースコードは、プロジェクトのWebサイト(https://rongliu-leo.github.io/beta-splatting/)で公開されています。
関連論文リスト
- 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians [15.776720879897345]
本稿では3DGEER(Exact and Efficient Volumetric Gaussian Rendering method)を紹介する。
提案手法は従来手法を一貫して上回り, リアルタイムなニューラルレンダリングにおける新しい最先端技術を確立する。
論文 参考訳（メタデータ） (2025-05-29T22:52:51Z) - MonoGS++: Fast and Accurate Monocular RGB Gaussian SLAM [9.37281948308712]
高速かつ高精度なSLAM法であるMonoGS++を提案する。
当社のアプローチでは,ハードウェア依存を低減し,RGB入力のみを必要としており,オンラインビジュアルオドメトリー(VO)を利用して,疎点雲をリアルタイムに生成する。
提案手法は,従来のMonoGSに比べて,毎秒5.57倍のフレーム(fps)向上を実現した。
論文 参考訳（メタデータ） (2025-04-03T09:51:51Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - SG-Splatting: Accelerating 3D Gaussian Splatting with Spherical Gaussians [21.00454010373162]
3Dガウススプラッティングは、新しい視点合成における最先端技術として登場しつつある。
しかし、色表現のための3次球面高調波への依存は、大きなストレージ要求と計算オーバーヘッドをもたらす。
SG-Splatting with Spherical Gaussian based color representation, a novel approach to enhance rendering speed and quality。
論文 参考訳（メタデータ） (2024-12-31T08:31:52Z) - Deformable Radial Kernel Splatting [53.92593804734493]
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。
論文 参考訳（メタデータ） (2024-12-16T13:11:02Z) - SuperGaussians: Enhancing Gaussian Splatting Using Primitives with Spatially Varying Colors [51.54964131894217]
空間的に異なる色と不透明度を1つのガウスプリミティブに利用して表現能力を向上するSuperGaussianと呼ばれる新しい手法を提案する。
我々は、空間的に異なる機能として、バイリニア、可動カーネル、さらには小さなニューラルネットワークを実装した。
論文 参考訳（メタデータ） (2024-11-28T07:36:22Z) - Textured Gaussians for Enhanced 3D Scene Appearance Modeling [58.134905268540436]
3D Gaussian Splatting (3DGS)は最先端の3D再構成およびレンダリング技術として登場した。
本稿では,それぞれにα(A), RGB, RGBAテクスチャマップを付加した一般化されたガウスの外観表現を提案する。
類似または少ないガウス数を用いて,既存の手法に比べて画質が向上したことを示す。
論文 参考訳（メタデータ） (2024-11-27T18:59:59Z) - 3D Convex Splatting: Radiance Field Rendering with 3D Smooth Convexes [87.01284850604495]
多視点画像から幾何学的に有意な放射場をモデル化するためのプリミティブとして3次元滑らかな凸を利用した3次元凸法(3DCS)を提案する。
3DCSは、MipNeizer, Tanks and Temples, Deep Blendingなどのベンチマークで、3DGSよりも優れたパフォーマンスを実現している。
本結果は,高品質なシーン再構築のための新しい標準となる3Dコンベクシングの可能性を強調した。
論文 参考訳（メタデータ） (2024-11-22T14:31:39Z) - 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) - RayGauss: Volumetric Gaussian-Based Ray Casting for Photorealistic Novel View Synthesis [3.4341938551046227]
微分レンダリング法は、新しいビュー合成に大きな進歩をもたらした。
不規則分布ガウスの異なる光線鋳造のための放射放射率cと密度シグマを一貫した定式化を行う。
適切なトレーニング時間を維持しつつ、Blenderデータセット上で25FPSの推論速度を達成しながら、最先端のレンダリングよりも優れた品質を実現する。
論文 参考訳（メタデータ） (2024-08-06T10:59:58Z) - Textured-GS: Gaussian Splatting with Spatially Defined Color and Opacity [7.861993966048637]
Spherical Harmonics (SH) を用いたガウス平滑化手法である Textured-GS を導入する。
このアプローチにより、各ガウス多様体は、その表面の様々な色や不透明度を調節することで、よりリッチな表現を表現できる。
実験の結果,Textured-GS はベースラインのMini-Splatting と標準の3DGS を視覚的忠実度で一貫して上回っていることがわかった。
論文 参考訳（メタデータ） (2024-07-13T00:45:37Z) - 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) - RTG-SLAM: Real-time 3D Reconstruction at Scale using Gaussian Splatting [51.51310922527121]
ガウススプラッティングを用いた大規模環境のためのRGBDカメラを用いたリアルタイム3D再構成システムを提案する。
それぞれのガウス語は不透明かほぼ透明で、不透明なものは表面色と支配的な色に、透明なものは残留色に適合する。
様々な大きなシーンをリアルタイムに再現し、新しいビュー合成とカメラトラッキングの精度のリアリズムにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2024-04-30T16:54:59Z) - 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) - Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。
これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。
TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-20T18:03:17Z) - Feature 3DGS: Supercharging 3D Gaussian Splatting to Enable Distilled Feature Fields [54.482261428543985]
ニューラル・ラジアンス・フィールドを使用する手法は、新しいビュー合成のような従来のタスクに汎用的である。
3次元ガウシアンスプラッティングは, 実時間ラディアンス場レンダリングにおける最先端の性能を示した。
この問題を効果的に回避するために,アーキテクチャとトレーニングの変更を提案する。
論文 参考訳（メタデータ） (2023-12-06T00:46:30Z)
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。