論文の概要: Optimized Minimal 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2503.16924v1
• Date: Fri, 21 Mar 2025 07:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:56:51.620579
• Title: Optimized Minimal 3D Gaussian Splatting
• Title（参考訳）: 最適化された最小3次元ガウス平滑化
• Authors: Joo Chan Lee, Jong Hwan Ko, Eunbyung Park,
• Abstract要約: 3D Gaussian Splatting (3DGS) はリアルタイム・ハイパフォーマンスレンダリングの強力な表現として登場した。 多数の明示的なガウスプリミティブによる3Dシーンの表現は、大きなストレージとメモリオーバーヘッドを課す。 プリミティブ間の連続性と不規則性の両方を効率的にキャプチャする,コンパクトで正確な属性表現を提案する。
• 参考スコア（独自算出の注目度）: 10.344911588975199
• License:
• Abstract: 3D Gaussian Splatting (3DGS) has emerged as a powerful representation for real-time, high-performance rendering, enabling a wide range of applications. However, representing 3D scenes with numerous explicit Gaussian primitives imposes significant storage and memory overhead. Recent studies have shown that high-quality rendering can be achieved with a substantially reduced number of Gaussians when represented with high-precision attributes. Nevertheless, existing 3DGS compression methods still rely on a relatively large number of Gaussians, focusing primarily on attribute compression. This is because a smaller set of Gaussians becomes increasingly sensitive to lossy attribute compression, leading to severe quality degradation. Since the number of Gaussians is directly tied to computational costs, it is essential to reduce the number of Gaussians effectively rather than only optimizing storage. In this paper, we propose Optimized Minimal Gaussians representation (OMG), which significantly reduces storage while using a minimal number of primitives. First, we determine the distinct Gaussian from the near ones, minimizing redundancy without sacrificing quality. Second, we propose a compact and precise attribute representation that efficiently captures both continuity and irregularity among primitives. Additionally, we propose a sub-vector quantization technique for improved irregularity representation, maintaining fast training with a negligible codebook size. Extensive experiments demonstrate that OMG reduces storage requirements by nearly 50% compared to the previous state-of-the-art and enables 600+ FPS rendering while maintaining high rendering quality. Our source code is available at https://maincold2.github.io/omg/.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS) はリアルタイムかつ高性能なレンダリングのための強力な表現として登場し、幅広いアプリケーションを実現している。 しかし、多くの明示的なガウシアンプリミティブで3Dシーンを表現することは、ストレージとメモリオーバーヘッドを著しく増加させる。 近年の研究では、高精度な特性で表現されたガウスの数が大幅に減少し、高品質なレンダリングが達成できることが示されている。 それでも既存の3DGS圧縮法は比較的多くのガウシアンに依存しており、主に属性圧縮に重点を置いている。 これは、ガウスの小さな集合が、ロッキーな特性圧縮に敏感になり、深刻な品質劣化をもたらすためである。 ガウスの数は直接計算コストに結びついているので、ストレージを最適化するだけでなく、ガウスの数を効果的に削減することが不可欠である。 本稿では,最小数のプリミティブを使用しながらストレージを大幅に削減するOMG(Optimized Minimal Gaussians representation)を提案する。 まず, 品質を犠牲にすることなく, 冗長性を最小化し, ガウス的特徴を識別する。 第2に,プリミティブ間の連続性と不規則性の両方を効率的に捉える,コンパクトで高精度な属性表現を提案する。 さらに,不規則性表現を改善するためのサブベクトル量子化手法を提案し,無視可能なコードブックサイズで高速なトレーニングを継続する。 大規模な実験により、OMGは以前の最先端技術と比較してストレージ要求を50%近く削減し、高いレンダリング品質を維持しながら600以上のFPSレンダリングを可能にした。 ソースコードはhttps://maincold2.github.io/omg/で公開されています。

関連論文リスト

• PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
  本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。 また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-06-14T17:53:55Z)
• F-3DGS: Factorized Coordinates and Representations for 3D Gaussian Splatting [13.653629893660218]
  ニューラルレイディアンス場(NeRF)のレンダリング手法の代替として,F3DGS(Facterized 3D Gaussian Splatting)を提案する。 F-3DGSはレンダリング画像に匹敵する品質を維持しながら、ストレージコストを大幅に削減する。
  論文  参考訳（メタデータ） (2024-05-27T11:55:49Z)
• 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)
• 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)
• HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression [55.6351304553003]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成のための有望なフレームワークとして登場した。 高速な3DGS表現のためのHash-grid Assisted Context (HAC) フレームワークを提案する。 私たちの研究は、コンテキストベースの3DGS表現の圧縮を探求するパイオニアです。
  論文  参考訳（メタデータ） (2024-03-21T16:28:58Z)
• 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)
• CompGS: Smaller and Faster Gaussian Splatting with Vector Quantization [16.829825478946837]
  3D Gaussian Splatting (3DGS) は3次元放射場をモデリング・レンダリングするための新しい手法である。 本稿では,3DGSのストレージコストを40倍から50倍に削減し,レンダリング時間を2倍から3倍に削減し,レンダリング画像の品質を低下させる方法を提案する。
  論文  参考訳（メタデータ） (2023-11-30T00:29:13Z)
• 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)
• Compact 3D Gaussian Representation for Radiance Field [14.729871192785696]
  本研究では,3次元ガウス点数を削減するための学習可能なマスク戦略を提案する。 また、格子型ニューラルネットワークを用いて、ビュー依存色をコンパクトかつ効果的に表現することを提案する。 我々の研究は、3Dシーン表現のための包括的なフレームワークを提供し、ハイパフォーマンス、高速トレーニング、コンパクト性、リアルタイムレンダリングを実現しています。
  論文  参考訳（メタデータ） (2023-11-22T20:31:16Z)

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。