論文の概要: GS-Cache: A GS-Cache Inference Framework for Large-scale Gaussian Splatting Models

• arxiv url: http://arxiv.org/abs/2502.14938v1
• Date: Thu, 20 Feb 2025 14:01:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 17:07:01.826018
• Title: GS-Cache: A GS-Cache Inference Framework for Large-scale Gaussian Splatting Models
• Title（参考訳）: GSキャッシュ: 大規模ガウス散乱モデルのためのGSキャッシュ推論フレームワーク
• Authors: Miao Tao, Yuanzhen Zhou, Haoran Xu, Zeyu He, Zhenyu Yang, Yuchang Zhang, Zhongling Su, Linning Xu, Zhenxiang Ma, Rong Fu, Hengjie Li, Xingcheng Zhang, Jidong Zhai,
• Abstract要約: 大規模3Dガウススプラッティング(3DGS)モデルのレンダリングは、コンシューマグレードデバイス上でリアルタイムで高忠実なパフォーマンスを実現する上で、大きな課題に直面している。 我々は3DGSの高度な表現を高度に最適化されたレンダリングシステムとシームレスに統合するエンドツーエンドフレームワークであるGS-Cacheを提案する。
• 参考スコア（独自算出の注目度）: 23.135271367322034
• License:
• Abstract: Rendering large-scale 3D Gaussian Splatting (3DGS) model faces significant challenges in achieving real-time, high-fidelity performance on consumer-grade devices. Fully realizing the potential of 3DGS in applications such as virtual reality (VR) requires addressing critical system-level challenges to support real-time, immersive experiences. We propose GS-Cache, an end-to-end framework that seamlessly integrates 3DGS's advanced representation with a highly optimized rendering system. GS-Cache introduces a cache-centric pipeline to eliminate redundant computations, an efficiency-aware scheduler for elastic multi-GPU rendering, and optimized CUDA kernels to overcome computational bottlenecks. This synergy between 3DGS and system design enables GS-Cache to achieve up to 5.35x performance improvement, 35% latency reduction, and 42% lower GPU memory usage, supporting 2K binocular rendering at over 120 FPS with high visual quality. By bridging the gap between 3DGS's representation power and the demands of VR systems, GS-Cache establishes a scalable and efficient framework for real-time neural rendering in immersive environments.
• Abstract（参考訳）: 大規模3Dガウススプラッティング(3DGS)モデルのレンダリングは、コンシューマグレードデバイス上でリアルタイムで高忠実なパフォーマンスを実現する上で、大きな課題に直面している。 仮想現実(VR)のようなアプリケーションにおける3DGSの可能性を完全に認識するには、リアルタイムで没入的なエクスペリエンスをサポートするために、重要なシステムレベルの課題に取り組む必要がある。 我々は3DGSの高度な表現を高度に最適化されたレンダリングシステムとシームレスに統合するエンドツーエンドフレームワークであるGS-Cacheを提案する。 GS-Cacheは、冗長な計算をなくすためのキャッシュ中心のパイプライン、弾力性のあるマルチGPUレンダリングのための効率対応スケジューラ、計算ボトルネックを克服するために最適化されたCUDAカーネルを導入している。 3DGSとシステム設計の相乗効果により、GS-Cacheは最大5.35倍の性能向上、35%のレイテンシ削減、42%のGPUメモリ使用率を実現し、2K双眼鏡レンダリングを120 FPS以上で高画質でサポートした。 3DGSの表現力とVRシステムの要求とのギャップを埋めることによって、GS-Cacheは没入型環境におけるリアルタイムニューラルネットワークレンダリングのためのスケーラブルで効率的なフレームワークを確立する。

関連論文リスト

• Speedy-Splat: Fast 3D Gaussian Splatting with Sparse Pixels and Sparse Primitives [60.217580865237835]
  3D Gaussian Splatting (3D-GS)は、3D Gaussian のパラメトリック点雲としてシーンをモデル化することで、新しいビューをリアルタイムにレンダリングすることのできる最近の3Dシーン再構築技術である。 3D-GSでは,レンダリング速度,モデルサイズ,トレーニング時間の大幅な改善を実現し,2つの重要な非効率性に対処する。 我々のSpeedy-Splatアプローチはこれらのテクニックを組み合わせることで、Mip-NeRF 360、Tamps & Temples、Deep Blendingのデータセットから、平均レンダリング速度を6.71ドル(約6万6000円)で加速します。
  論文  参考訳（メタデータ） (2024-11-30T20:25:56Z)
• HiCoM: Hierarchical Coherent Motion for Streamable Dynamic Scene with 3D Gaussian Splatting [7.507657419706855]
  本稿では,HiCoMと呼ばれる3つの重要なコンポーネントを持つ効率的なフレームワークを提案する。 まず、摂動平滑化戦略を用いて、コンパクトで頑健な初期3DGS表現を構築する。 次に、3次元ガウスの固有非一様分布と局所的一貫性を利用する階層的コヒーレント運動機構を導入する。 2つの広く利用されているデータセットを用いて行った実験により、我々のフレームワークは最先端の手法の学習効率を約20%向上することが示された。
  論文  参考訳（メタデータ） (2024-11-12T04:40:27Z)
• Fast Feedforward 3D Gaussian Splatting Compression [55.149325473447384]
  3D Gaussian Splatting (FCGS) は、1つのフィードフォワードパスで3DGS表現を高速に圧縮できる最適化フリーモデルである。 FCGSは圧縮比を20倍以上に向上し、高精細度を維持しながら、ほとんどのシーン毎のSOTA最適化手法を上回ります。
  論文  参考訳（メタデータ） (2024-10-10T15:13:08Z)
• GS-Net: Generalizable Plug-and-Play 3D Gaussian Splatting Module [19.97023389064118]
  粗いSfM点雲からガウス楕円体を密度化する3DGSモジュールであるGS-Netを提案する。 実験により、GS-Netを3DGSに適用すると、従来の視点では2.08dB、新しい視点では1.86dBのPSNR改善が得られることが示された。
  論文  参考訳（メタデータ） (2024-09-17T16:03:19Z)
• LapisGS: Layered Progressive 3D Gaussian Splatting for Adaptive Streaming [4.209963145038135]
  XRは3Dオンライン世界の効率的なストリーミングを必要とし、帯域幅に制約のある環境に適応するために現在の3DGS表現に挑戦する。 本稿では,適応ストリーミングとプログレッシブレンダリングをサポートする階層型3DGSであるLapisGSを提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:06:49Z)
• FlashGS: Efficient 3D Gaussian Splatting for Large-scale and High-resolution Rendering [11.727367585102112]
  FlashGSは、3D Gaussian Splattingの効率的な差別化を容易にするように設計されている。 FlashGSの性能評価は、多種多様な合成シーンと実世界の大規模シーンで行われている。 結果は、FlashGSの優れたパフォーマンスとリソース最適化能力を強調し、それを3Dレンダリングの領域における恐ろしいツールとして位置づけた。
  論文  参考訳（メタデータ） (2024-08-15T06:27:42Z)
• 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)
• 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)
• LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
  光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。 ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。 LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
  論文  参考訳（メタデータ） (2023-11-28T21:39:20Z)
• 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering [103.32717396287751]
  本研究では,動的シーンの全体像として4D-GS(Gaussian Splatting)を提案する。 HexPlaneにインスパイアされたニューラルボクセル符号化アルゴリズムは、4Dニューラルボクセルの機能を効率的に構築するために提案されている。 我々の4D-GS法は、高解像度の82 FPSで、3090 GPUで800$times$800の解像度でリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:21:41Z)
• EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction [67.11722682878722]
  この研究は、新しいマルチスケール線形注意を持つ高解像度ビジョンモデルのファミリーであるEfficientViTを提示する。 マルチスケール線形注意は,グローバルな受容場とマルチスケール学習を実現する。 EfficientViTは従来の最先端モデルよりも優れたパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2022-05-29T20:07:23Z)

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。