論文の概要: Metamon-GS: Enhancing Representability with Variance-Guided Densification and Light Encoding
- arxiv url: http://arxiv.org/abs/2504.14460v1
- Date: Sun, 20 Apr 2025 02:44:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 00:28:09.013149
- Title: Metamon-GS: Enhancing Representability with Variance-Guided Densification and Light Encoding
- Title（参考訳）: Metamon-GS: 可変ガイドデンシフィケーションと光符号化による表現性向上
- Authors: Junyan Su, Baozhu Zhao, Xiaohan Zhang, Qi Liu,
- Abstract要約: 3D Gaussian Splatting(3DGS)は、ガウスのシーンを表現できる。
大幅な進歩があったが、レンダリング性能を向上させることは依然として困難である。
分散誘導型デンシフィケーション戦略とマルチレベルハッシュグリッドの革新的視点からメタモンGSを提案する。
- 参考スコア（独自算出の注目度）: 9.703262855661064
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The introduction of 3D Gaussian Splatting (3DGS) has advanced novel view synthesis by utilizing Gaussians to represent scenes. Encoding Gaussian point features with anchor embeddings has significantly enhanced the performance of newer 3DGS variants. While significant advances have been made, it is still challenging to boost rendering performance. Feature embeddings have difficulty accurately representing colors from different perspectives under varying lighting conditions, which leads to a washed-out appearance. Another reason is the lack of a proper densification strategy that prevents Gaussian point growth in thinly initialized areas, resulting in blurriness and needle-shaped artifacts. To address them, we propose Metamon-GS, from innovative viewpoints of variance-guided densification strategy and multi-level hash grid. The densification strategy guided by variance specifically targets Gaussians with high gradient variance in pixels and compensates for the importance of regions with extra Gaussians to improve reconstruction. The latter studies implicit global lighting conditions and accurately interprets color from different perspectives and feature embeddings. Our thorough experiments on publicly available datasets show that Metamon-GS surpasses its baseline model and previous versions, delivering superior quality in rendering novel views.
- Abstract（参考訳）: 3Dガウススプレイティング(3DGS)の導入は、ガウスのシーンを表現するためにガウスのシーンを活用することによって、より進んだ視点合成を実現している。
アンカー埋め込みによるガウス点特徴の符号化により、新しい3DGS変種の性能が大幅に向上した。
大幅な進歩があったが、レンダリング性能を向上させることは依然として困難である。
特徴埋め込みは、様々な照明条件下で異なる視点から色を正確に表現することが困難であり、洗い流される。
もう一つの理由は、細い初期化領域におけるガウス点成長を防ぎ、曖昧さと針状アーティファクトをもたらす適切な密度化戦略の欠如である。
そこで我々は,分散誘導密度化戦略とマルチレベルハッシュグリッドの革新的視点からメタモンGSを提案する。
分散によって導かれる密度化戦略は、特に画素の勾配のばらつきが高いガウスを対象とし、余剰ガウスとの領域の重要性を補う。
後者は暗黙のグローバル照明条件を研究し、異なる視点から色と特徴埋め込みを正確に解釈する。
公開データセットに関する徹底的な実験は、Metamon-GSがベースラインモデルと以前のバージョンを超え、新規ビューのレンダリングにおいて優れた品質を提供することを示している。
関連論文リスト
- ResGS: Residual Densification of 3D Gaussian for Efficient Detail Recovery [11.706262924395768]
そこで我々は, 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。
我々のアプローチは、詳細を適応的に検索し、欠落した幾何学を補完することができる。
論文 参考訳（メタデータ） (2024-12-10T13:19:27Z) - Pushing Rendering Boundaries: Hard Gaussian Splatting [72.28941128988292]
3D Gaussian Splatting (3DGS) は,NVS(Noven View Synthesis) をリアルタイムなレンダリング方式で実現した。
我々はHGSと呼ばれるハードガウシアンスプラッティングを提案し、これは多視点的な位置勾配とレンダリング誤差を考慮し、ハードガウシアンを成長させる。
本手法は,リアルタイムの効率を保ちながら,最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2024-12-06T07:42:47Z) - MVGS: Multi-view-regulated Gaussian Splatting for Novel View Synthesis [22.80370814838661]
ボリュームレンダリングにおける最近の研究、例えばNeRFや3D Gaussian Splatting (3DGS)は、レンダリング品質と効率を大幅に向上させた。
4つの重要な貢献を具現化した新しい3DGS最適化手法を提案する。
論文 参考訳（メタデータ） (2024-10-02T23:48:31Z) - Textured-GS: Gaussian Splatting with Spatially Defined Color and Opacity [7.861993966048637]
Spherical Harmonics (SH) を用いたガウス平滑化手法である Textured-GS を導入する。
このアプローチにより、各ガウス多様体は、その表面の様々な色や不透明度を調節することで、よりリッチな表現を表現できる。
実験の結果,Textured-GS はベースラインのMini-Splatting と標準の3DGS を視覚的忠実度で一貫して上回っていることがわかった。
論文 参考訳（メタデータ） (2024-07-13T00:45:37Z) - Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
論文 参考訳（メタデータ） (2024-02-24T17:22:15Z) - 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) - Mesh-based Gaussian Splatting for Real-time Large-scale Deformation [58.18290393082119]
ユーザがリアルタイムで大きな変形で暗黙の表現を直接変形または操作することは困難である。
我々は,インタラクティブな変形を可能にする新しいGSベースの手法を開発した。
提案手法は,高いフレームレートで良好なレンダリング結果を維持しつつ,高品質な再構成と効率的な変形を実現する。
論文 参考訳（メタデータ） (2024-02-07T12:36:54Z) - Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。
局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。
提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
論文 参考訳（メタデータ） (2023-11-30T17:58:57Z) - GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。
我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。
フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
論文 参考訳（メタデータ） (2023-11-26T02:35:09Z)
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。