論文の概要: Green Robotic Mixed Reality with Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2504.13697v1
- Date: Fri, 18 Apr 2025 13:57:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-28 15:36:36.018605
- Title: Green Robotic Mixed Reality with Gaussian Splatting
- Title（参考訳）: ガウススプラッティングによるグリーンロボット複合現実感
- Authors: Chenxuan Liu, He Li, Zongze Li, Shuai Wang, Wei Xu, Kejiang Ye, Derrick Wing Kwan Ng, Chengzhong Xu,
- Abstract要約: ガウススプラッティング (GS) RoboMR はエネルギー消費を低くし、グリーン RoboMR への具体的な一歩を踏み出す。
GSRMRの要点は、シミュレーターがロボットのポーズから写真リアリスティックなビューを同時にレンダリングできるようにするGSモデルを構築することである。
実験により,提案したGSRMRはRoboMRと比較して通信エネルギーを10倍以上削減することが示された。
- 参考スコア（独自算出の注目度）: 61.04193266633848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Realizing green communication in robotic mixed reality (RoboMR) systems presents a challenge, due to the necessity of uploading high-resolution images at high frequencies through wireless channels. This paper proposes Gaussian splatting (GS) RoboMR (GSRMR), which achieves a lower energy consumption and makes a concrete step towards green RoboMR. The crux to GSRMR is to build a GS model which enables the simulator to opportunistically render a photo-realistic view from the robot's pose, thereby reducing the need for excessive image uploads. Since the GS model may involve discrepancies compared to the actual environments, a GS cross-layer optimization (GSCLO) framework is further proposed, which jointly optimizes content switching (i.e., deciding whether to upload image or not) and power allocation across different frames. The GSCLO problem is solved by an accelerated penalty optimization (APO) algorithm. Experiments demonstrate that the proposed GSRMR reduces the communication energy by over 10x compared with RoboMR. Furthermore, the proposed GSRMR with APO outperforms extensive baseline schemes, in terms of peak signal-to-noise ratio (PSNR) and structural similarity index measure (SSIM).
- Abstract（参考訳）: ロボット複合現実感(RoboMR)システムにおけるグリーンコミュニケーションの実現は、高解像度画像を無線チャネルを介して高周波数でアップロードする必要があるため、課題となる。
本稿では, エネルギー消費を低減し, グリーンロボMRへの具体的な一歩を踏み出すガウススプラッティング (GS) ロボMR (GSRMR) を提案する。
GSRMRの要点は、シミュレーターがロボットのポーズから写真リアリスティックなビューを同時にレンダリングできるGSモデルを構築することで、過剰な画像アップロードの必要性を減らすことである。
GSモデルでは実際の環境との相違が生じる可能性があるため、GSクロスレイヤー最適化(GSCLO)フレームワークがさらに提案され、コンテントスイッチング(すなわち、画像のアップロードの有無を決定する)と異なるフレーム間の電力割り当てを共同で最適化する。
GSCLO問題は、加速ペナルティ最適化(APO)アルゴリズムによって解決される。
実験により,提案したGSRMRはRoboMRと比較して通信エネルギーを10倍以上削減することが示された。
さらに、APOを用いたGSRMRは、ピーク信号-雑音比(PSNR)と構造類似度指数(SSIM)の点で、幅広いベースラインスキームより優れている。
関連論文リスト
- Generalized and Efficient 2D Gaussian Splatting for Arbitrary-scale Super-Resolution [10.074968164380314]
Inlicit Neural Representation (INR) は、任意スケール超解法 (ASR) に成功している
ASRのためのGSを一般化する2つの新しい手法を開発した。
高速な2次元GPU/CUDAベースのスケールアウェアライズを実装し,スーパーアウェアイメージのレンダリングを行う。
論文 参考訳（メタデータ） (2025-01-12T15:14:58Z) - Frequency-Assisted Mamba for Remote Sensing Image Super-Resolution [49.902047563260496]
我々は、リモートセンシング画像(RSI)の超高解像度化のために、視覚状態空間モデル(Mamba)を統合するための最初の試みを開発した。
より優れたSR再構築を実現するため,FMSRと呼ばれる周波数支援型Mambaフレームワークを考案した。
我々のFMSRは、周波数選択モジュール(FSM)、ビジョン状態空間モジュール(VSSM)、ハイブリッドゲートモジュール(HGM)を備えた多層融合アーキテクチャを備えている。
論文 参考訳（メタデータ） (2024-05-08T11:09:24Z) - Fortifying Fully Convolutional Generative Adversarial Networks for Image Super-Resolution Using Divergence Measures [17.517010701323823]
超解像(英: Super-Resolution, SR)は、時間制限された画像処理問題である。
本稿では,SRのためのGANベースのアーキテクチャを提案する。
本稿では,GAN発生器の深度を増大させることで得られる差分畳み込み特性を,学習可能な凸重みの集合で最適に組み合わせることができることを示す。
論文 参考訳（メタデータ） (2024-04-09T13:19:43Z) - Uni-COAL: A Unified Framework for Cross-Modality Synthesis and
Super-Resolution of MR Images [34.79786909094346]
磁気共鳴画像(MRI)において、CMS、超解像(SR)、CMSR(CMSR)の併用が広く研究されている。
CMS、SR、CMSRを統一ネットワークで実行することはできない。
上記の課題を1つのネットワークで実現するために,Unified Co-Modulated Alias-free framework (Uni-COAL)を提案する。
論文 参考訳（メタデータ） (2023-11-14T15:05:59Z) - RBSR: Efficient and Flexible Recurrent Network for Burst
Super-Resolution [57.98314517861539]
バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。
本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
論文 参考訳（メタデータ） (2023-06-30T12:14:13Z) - DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image
Super-Resolution [15.694407977871341]
実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。
既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。
本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
論文 参考訳（メタデータ） (2022-12-15T04:34:57Z) - Context-Aware Video Reconstruction for Rolling Shutter Cameras [52.28710992548282]
本稿では,文脈対応のGSビデオ再構成アーキテクチャを提案する。
まず、2つのRSフレームの画素が共通のGSフレームに歪むように、左右の運動場を推定する。
そこで,両面閉塞マスクとともにGSフレーム合成を誘導し,高忠実度GSビデオフレームを生成するための改良手法を提案する。
論文 参考訳（メタデータ） (2022-05-25T17:05:47Z) - Learning Multiple Probabilistic Degradation Generators for Unsupervised
Real World Image Super Resolution [5.987801889633082]
教師なしの現実世界のスーパーレゾリューションは、ペア化されたデータが利用できない場合に、低解像度(LR)入力を与えられた高解像度(HR)イメージを復元することを目的としている。
最も一般的なアプローチの1つは、GANを使ってノイズの多いLR画像を合成し、合成データセットを使用してモデルを教師付きで訓練することである。
HR画像が与えられたLR画像の分布を近似する確率分解生成器を提案する。
論文 参考訳（メタデータ） (2022-01-26T04:49:11Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z) - Blur, Noise, and Compression Robust Generative Adversarial Networks [85.68632778835253]
劣化画像から直接クリーンな画像生成装置を学習するために, ぼかし, ノイズ, 圧縮堅牢なGAN(BNCR-GAN)を提案する。
NR-GANにインスパイアされたBNCR-GANは、画像、ぼやけたカーネル、ノイズ、品質要素ジェネレータで構成される多重ジェネレータモデルを使用する。
CIFAR-10の大規模比較とFFHQの一般性解析によるBNCR-GANの有効性を実証する。
論文 参考訳（メタデータ） (2020-03-17T17:56:22Z)
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。