論文の概要: ADC-GS: Anchor-Driven Deformable and Compressed Gaussian Splatting for Dynamic Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2505.08196v1
• Date: Tue, 13 May 2025 03:13:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.406789
• Title: ADC-GS: Anchor-Driven Deformable and Compressed Gaussian Splatting for Dynamic Scene Reconstruction
• Title（参考訳）: ADC-GS:動的シーン再構築のためのアンカー駆動型変形・圧縮型ガウススプラッティング
• Authors: He Huang, Qi Yang, Mufan Liu, Yiling Xu, Zhu Li,
• Abstract要約: 既存の4Dガウス散乱法は、標準空間からターゲットフレームへのガウス毎の変形に依存している。 動的シーン再構成のためのコンパクトで効率的なADC-GSを提案する。 その結果, ADC-GS はレンダリング速度300%-800% でガウス変形法よりも優れていた。
• 参考スコア（独自算出の注目度）: 22.24139713363786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing 4D Gaussian Splatting methods rely on per-Gaussian deformation from a canonical space to target frames, which overlooks redundancy among adjacent Gaussian primitives and results in suboptimal performance. To address this limitation, we propose Anchor-Driven Deformable and Compressed Gaussian Splatting (ADC-GS), a compact and efficient representation for dynamic scene reconstruction. Specifically, ADC-GS organizes Gaussian primitives into an anchor-based structure within the canonical space, enhanced by a temporal significance-based anchor refinement strategy. To reduce deformation redundancy, ADC-GS introduces a hierarchical coarse-to-fine pipeline that captures motions at varying granularities. Moreover, a rate-distortion optimization is adopted to achieve an optimal balance between bitrate consumption and representation fidelity. Experimental results demonstrate that ADC-GS outperforms the per-Gaussian deformation approaches in rendering speed by 300%-800% while achieving state-of-the-art storage efficiency without compromising rendering quality. The code is released at https://github.com/H-Huang774/ADC-GS.git.
• Abstract（参考訳）: 既存の4Dガウス分割法は、ガウス空間からターゲットフレームへのガウス変形に依存しており、隣接するガウス原始体の冗長性を見落とし、最適以下の性能をもたらす。 この制限に対処するために,動的シーン再構成のためのコンパクトかつ効率的な表現であるアンカー駆動型変形・圧縮ガウス平滑化(ADC-GS)を提案する。 具体的には、ADC-GSはガウス原始体を標準空間内のアンカーベース構造に整理し、時間的重要性に基づくアンカーリファインメント戦略によって強化する。 変形冗長性を低減するため、ADC-GSは様々な粒度で動きをキャプチャする階層的な粗いパイプラインを導入した。 さらに、ビットレート消費と表現忠実度との最適バランスを達成するために、レート歪み最適化を採用する。 実験により, ADC-GSは, レンダリング品質を損なうことなく, 最先端のストレージ効率を達成しつつ, レンダリング速度300%〜800%のガウス変形アプローチより優れていた。 コードはhttps://github.com/H-Huang774/ADC-GS.gitで公開されている。

関連論文リスト

• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• 4DGC: Rate-Aware 4D Gaussian Compression for Efficient Streamable Free-Viewpoint Video [56.04182926886754]
  3D Gaussian Splatting (3DGS)は、フォトリアリスティック・フリー・ビューポイント・ビデオ(FVV)体験を可能にする大きな可能性を秘めている。 既存の方法は、動的3DGS表現と圧縮を別々に扱うのが一般的である。 本稿では,FVVのRD性能を向上しつつ,ストレージサイズを大幅に削減するレート対応4Dガウス圧縮フレームワークである4DGCを提案する。
  論文  参考訳（メタデータ） (2025-03-24T08:05:27Z)
• Efficient Density Control for 3D Gaussian Splatting [3.6379656024631215]
  3D Gaussian Splatting (3DGS) は新規なビュー合成において優れた性能を示した。 本研究では,(1)ガウシアンの位置,形状,不透明度を正確に制御するLong-Axis Split,(2)ガウシアンに対する不完全性の再設定後の回復速度の差を利用したリカバリ・アウェア・プルーニングを提案する。
  論文  参考訳（メタデータ） (2024-11-15T12:12:56Z)
• 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)

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。