論文の概要: Lightweight Gradient-Aware Upscaling of 3D Gaussian Splatting Images

• arxiv url: http://arxiv.org/abs/2503.14171v1
• Date: Tue, 18 Mar 2025 11:42:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:14:42.808210
• Title: Lightweight Gradient-Aware Upscaling of 3D Gaussian Splatting Images
• Title（参考訳）: 3次元ガウス散乱画像の軽量勾配対応アップスケーリング
• Authors: Simon Niedermayr, Christoph Neuhauser Rüdiger Westermann,
• Abstract要約: 3DGSと比較すると、レンダリング速度が大幅に向上し、3DGSの再構築でよく見られるアーティファクトが削減される。 本手法は,低解像度の3DGSレンダリングを高速化し,コストを極端に増大させる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce an image upscaling technique tailored for 3D Gaussian Splatting (3DGS) on lightweight GPUs. Compared to 3DGS, it achieves significantly higher rendering speeds and reduces artifacts commonly observed in 3DGS reconstructions. Our technique upscales low-resolution 3DGS renderings with a marginal increase in cost by directly leveraging the analytical image gradients of Gaussians for gradient-based bicubic spline interpolation. The technique is agnostic to the specific 3DGS implementation, achieving novel view synthesis at rates 3x-4x higher than the baseline implementation. Through extensive experiments on multiple datasets, we showcase the performance improvements and high reconstruction fidelity attainable with gradient-aware upscaling of 3DGS images. We further demonstrate the integration of gradient-aware upscaling into the gradient-based optimization of a 3DGS model and analyze its effects on reconstruction quality and performance.
• Abstract（参考訳）: 軽量GPU上での3Dガウススプラッティング(3DGS)に適したイメージアップスケーリング手法を提案する。 3DGSと比較すると、レンダリング速度が大幅に向上し、3DGSの再構築でよく見られるアーティファクトが削減される。 本手法は, ガウス画像勾配を直接利用することにより, 低解像度の3DGSレンダリングを低コストでスケールアップし, 勾配に基づくバイキュビックスプライン補間を行う。 この技術は、特定の3DGSの実装に非依存であり、ベースライン実装よりも3x-4倍高いレートで新しいビュー合成を実現する。 複数のデータセットに対する広範囲な実験を通じて、3DGS画像の勾配対応アップスケーリングで達成可能な性能改善と高い再構成忠実度を示す。 さらに、3DGSモデルの勾配に基づく最適化への勾配対応アップスケーリングの統合を実証し、その再現性や性能への影響を分析する。

関連論文リスト

• ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
  3D-GSは、しばしば豊富な詳細と完全な幾何学を捉えるのに苦労する。 本稿では, 残留分断法を新たに導入し, 残留分断法としてガウシアンを付加した。 提案手法は, 詳細を適応的に検索し, 欠落した幾何を補うとともに, 進歩的な洗練を可能にする。
  論文  参考訳（メタデータ） (2024-12-10T13:19:27Z)
• Volumetrically Consistent 3D Gaussian Rasterization [18.84882580327324]
  ビューア内であっても,スプレイティングとその近似は不要であることを示す。 我々は3DGSよりも高精度なアルファ値の導出にこの分析透過率フレームワークを用いる。 提案手法は3DGSよりも精度が高く,点数が少ない不透明な面を表す。
  論文  参考訳（メタデータ） (2024-12-04T15:05:43Z)
• 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)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• WE-GS: An In-the-wild Efficient 3D Gaussian Representation for Unconstrained Photo Collections [8.261637198675151]
  制約のない写真コレクションからの新規ビュー合成(NVS)は、コンピュータグラフィックスでは困難である。 写真コレクションからのシーン再構築のための効率的なポイントベース微分可能レンダリングフレームワークを提案する。 提案手法は、新しいビューのレンダリング品質と、高収束・レンダリング速度の外観合成において、既存のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2024-06-04T15:17:37Z)
• 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)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• 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)
• SAGD: Boundary-Enhanced Segment Anything in 3D Gaussian via Gaussian Decomposition [66.56357905500512]
  3Dガウススプラッティングは、新しいビュー合成のための代替の3D表現として登場した。 SAGDは3D-GSのための概念的にシンプルで効果的な境界拡張パイプラインである。 提案手法は粗い境界問題なく高品質な3Dセグメンテーションを実現し,他のシーン編集作業にも容易に適用できる。
  論文  参考訳（メタデータ） (2024-01-31T14:19:03Z)

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。