論文の概要: Frequency-Aware Gaussian Splatting Decomposition

• arxiv url: http://arxiv.org/abs/2503.21226v1
• Date: Thu, 27 Mar 2025 07:35:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-28 12:52:40.709972
• Title: Frequency-Aware Gaussian Splatting Decomposition
• Title（参考訳）: 周波数対応ガウス散乱分解
• Authors: Yishai Lavi, Leo Segre, Shai Avidan,
• Abstract要約: 3D Gaussian Splatting (3D-GS)は、その効率的で明示的な表現によって、新しいビュー合成に革命をもたらした。 入力画像のラプラシアピラミッドのサブバンドに対応する3Dガウスをグループ化する周波数分解3D-GSフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.951186766576173
• License:
• Abstract: 3D Gaussian Splatting (3D-GS) has revolutionized novel view synthesis with its efficient, explicit representation. However, it lacks frequency interpretability, making it difficult to separate low-frequency structures from fine details. We introduce a frequency-decomposed 3D-GS framework that groups 3D Gaussians that correspond to subbands in the Laplacian Pyrmaids of the input images. Our approach enforces coherence within each subband (i.e., group of 3D Gaussians) through dedicated regularization, ensuring well-separated frequency components. We extend color values to both positive and negative ranges, allowing higher-frequency layers to add or subtract residual details. To stabilize optimization, we employ a progressive training scheme that refines details in a coarse-to-fine manner. Beyond interpretability, this frequency-aware design unlocks a range of practical benefits. Explicit frequency separation enables advanced 3D editing and stylization, allowing precise manipulation of specific frequency bands. It also supports dynamic level-of-detail control for progressive rendering, streaming, foveated rendering and fast geometry interaction. Through extensive experiments, we demonstrate that our method provides improved control and flexibility for emerging applications in scene editing and interactive rendering. Our code will be made publicly available.
• Abstract（参考訳）: 3D Gaussian Splatting (3D-GS)は、その効率的で明示的な表現によって、新しいビュー合成に革命をもたらした。 しかし、周波数解釈性に欠けており、細部から低周波構造を分離することは困難である。 入力画像のラプラシアピラミッドのサブバンドに対応する3Dガウスをグループ化する周波数分解3D-GSフレームワークを提案する。 この手法は、各サブバンド(すなわち3次元ガウス群)内のコヒーレンスを専用正規化することで、十分に分離された周波数成分を保証する。 我々は、色値を正と負の両方の範囲に拡張し、高周波数層が残余の詳細を付加または減じることを可能にする。 最適化を安定させるために、我々は細かな詳細を粗い方法で洗練するプログレッシブ・トレーニング・スキームを採用している。 解釈性以外にも、この周波数認識設計は様々な実用的な利点を解放する。 明示的な周波数分離は高度な3D編集とスタイリングを可能にし、特定の周波数帯域の正確な操作を可能にする。 また、プログレッシブレンダリング、ストリーミング、ファベレーテッドレンダリング、高速ジオメトリインタラクションのためのダイナミックなレベル・オブ・ディテール制御もサポートする。 広範にわたる実験により,シーン編集およびインタラクティブレンダリングにおける新興アプリケーションに対する制御と柔軟性の向上が実証された。 私たちのコードは公開されます。

関連論文リスト

• Sharpening Neural Implicit Functions with Frequency Consolidation Priors [53.6277160912059]
  符号付き距離関数 (Signed Distance Function, SDF) は、高忠実度3D表面を表現するために重要な暗黙の表現である。 現在の手法は主にニューラルネットワークを利用して、署名された3Dポイントクラウドやマルチビューイメージなど、さまざまな監督機関からSDFを学ぶ。 本研究では、高周波成分を回収し、よりシャープで完全な表面を追求することにより、低周波SDF観測を高速化する手法を提案する。
  論文  参考訳（メタデータ） (2024-12-27T16:18:46Z)
• 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)
• Octree-GS: Towards Consistent Real-time Rendering with LOD-Structured 3D Gaussians [18.774112672831155]
  3D-GSは、NeRFベースのニューラルシーン表現と比較して、顕著なレンダリングの忠実さと効率を示した。 シーン表現のためのレベル・オブ・ディーテール分解をサポートするLOD構造型3次元ガウスアプローチを特徴とするOctree-GSを提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:39:36Z)
• FreGS: 3D Gaussian Splatting with Progressive Frequency Regularization [67.47895278233717]
  周波数空間における過度再構成問題に対処するために, 進行周波数正規化手法を開発した。 FreGSは優れた斬新なビュー合成を実現し、最先端の技術を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-03-11T17:00:27Z)
• 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)
• GaussianDiffusion: 3D Gaussian Splatting for Denoising Diffusion Probabilistic Models with Structured Noise [0.0]
  本稿では3Dコンテンツ生成フレームワークであるGaussian Diffusionについて,Gaussian Splattingに基づく新しいテキストを紹介した。 3次元生成における多視点一貫性の実現という課題は、モデリングの複雑さと精度を著しく損なう。 本稿では,3次元外観の質と安定性を高めるため,変分ガウススメッティング法を提案する。
  論文  参考訳（メタデータ） (2023-11-19T04:26:16Z)
• Guided Frequency Loss for Image Restoration [0.9821874476902969]
  本稿では、画像の周波数内容と空間的コンテンツとをバランスよく学習するのに役立つガイド周波数損失(GFL)を提案する。 学習効率を高めるために並列に動作する3つの主要なコンポーネントを集約する。 その結果、ほとんどの実験でGFL損失はPSNR測定値を改善した。
  論文  参考訳（メタデータ） (2023-09-27T10:37:51Z)
• High Fidelity 3D Hand Shape Reconstruction via Scalable Graph Frequency Decomposition [77.29516516532439]
  周波数分割ネットワークを設計し,周波数帯域の異なる3次元ハンドメッシュを粗い方法で生成する。 高周波パーソナライズされた詳細を捉えるため、3Dメッシュを周波数領域に変換し、新しい周波数分解損失を提案する。 提案手法は高忠実度3次元手指再建のための微細な細部情報を生成する。
  論文  参考訳（メタデータ） (2023-07-08T19:26:09Z)
• Neural Fourier Filter Bank [18.52741992605852]
  本稿では, 効率的かつ高精度な再構築手法を提案する。 ウェーブレットにインスパイアされた我々は、信号が空間的にも周波数的にも分解されるニューラルネットワークを学習する。
  論文  参考訳（メタデータ） (2022-12-04T03:45:08Z)
• Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
  本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。 我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-03-27T14:25:52Z)

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。