論文の概要: Consistent Quantity-Quality Control across Scenes for Deployment-Aware Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2505.10473v2
• Date: Thu, 22 May 2025 01:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 12:25:14.978054
• Title: Consistent Quantity-Quality Control across Scenes for Deployment-Aware Gaussian Splatting
• Title（参考訳）: 展開型ガウス平滑化のためのシーン間の一貫性量子品質制御
• Authors: Fengdi Zhang, Hongkun Cao, Ruqi Huang,
• Abstract要約: 3Dガウススプラッティング(3DGS)は、高いレンダリング品質を維持しながら使用するガウスの数を最小化する。 既存の手法は質の高い性能を追求するが、ユーザが直感的にこのトレードオフを調整する能力は欠如している。 そこで本研究では,意味論的かつ場面間一貫した量品質制御を実現する3DGS最適化手法であるControlGSを提案する。
• 参考スコア（独自算出の注目度）: 1.5761594063757656
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: To reduce storage and computational costs, 3D Gaussian splatting (3DGS) seeks to minimize the number of Gaussians used while preserving high rendering quality, introducing an inherent trade-off between Gaussian quantity and rendering quality. Existing methods strive for better quantity-quality performance, but lack the ability for users to intuitively adjust this trade-off to suit practical needs such as model deployment under diverse hardware and communication constraints. Here, we present ControlGS, a 3DGS optimization method that achieves semantically meaningful and cross-scene consistent quantity-quality control. Through a single training run using a fixed setup and a user-specified hyperparameter reflecting quantity-quality preference, ControlGS can automatically find desirable quantity-quality trade-off points across diverse scenes, from compact objects to large outdoor scenes. It also outperforms baselines by achieving higher rendering quality with fewer Gaussians, and supports a broad adjustment range with stepless control over the trade-off. Project page: https://zhang-fengdi.github.io/ControlGS/
• Abstract（参考訳）: ストレージと計算コストを削減するため、3Dガウススプラッティング(3DGS)は、高レンダリング品質を維持しながら使用するガウスの数を最小化し、ガウス量とレンダリング品質の間に固有のトレードオフを導入する。 既存の手法は質の高い性能を追求するが、様々なハードウェアや通信制約下でのモデル展開のような実用的なニーズに対応するために、ユーザが直感的にこのトレードオフを調整する能力は欠如している。 そこで本研究では,意味論的かつ場面間一貫した量品質制御を実現する3DGS最適化手法であるControlGSを提案する。 一定の設定と、音質の好みを反映したユーザ指定のハイパーパラメータを使用した1回のトレーニング実行により、ControlGSは、コンパクトなオブジェクトから大きな屋外シーンまで、さまざまなシーンで望ましい量品質のトレードオフポイントを自動的に見つけることができる。 また、より少ないガウスで高いレンダリング品質を達成することでベースラインを上回り、トレードオフを段階的に制御する広い調整範囲をサポートする。 プロジェクトページ: https://zhang-fengdi.github.io/ControlGS/

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)
• SOGS: Second-Order Anchor for Advanced 3D Gaussian Splatting [116.22623164585114]
  SOGSはアンカーベースの3D-GS技術であり、2階アンカーを導入し、優れたレンダリング品質とアンカー機能とモデルサイズを同時に削減する。 モデルサイズを小さくした新規なビュー合成において,SOGSが優れたレンダリング品質を実現することを示す。
  論文  参考訳（メタデータ） (2025-03-10T15:50:46Z)
• LeanQuant: Accurate and Scalable Large Language Model Quantization with Loss-error-aware Grid [36.33062038680275]
  大規模言語モデル(LLM)は、様々な領域において大きな可能性を示している。 トレーニング後の量子化は、メモリ要求を減らし、遅延をデコードするための有望なテクニックとして登場した。 正確で汎用的でスケーラブルな新しい量子化手法であるLeanQuantを提案する。
  論文  参考訳（メタデータ） (2024-07-14T00:23:51Z)
• Taming 3DGS: High-Quality Radiance Fields with Limited Resources [50.92437599516609]
  3D Gaussian Splatting (3DGS)は、高速で解釈可能で高忠実なレンダリングで新規ビュー合成を変換した。 予算で3DGSモデルをトレーニングし、レンダリングするという課題に取り組みます。 我々は、勾配計算と属性更新のための高速で数値的に等価な解を導出する。
  論文  参考訳（メタデータ） (2024-06-21T20:44:23Z)
• Improving Gaussian Splatting with Localized Points Management [52.009874685460694]
  局所的点管理(LPM)は、点加算と幾何校正の両方を最大限に必要としながら、これらの誤り貢献ゾーンを特定することができる。 LPMは特定されたゾーンに点密度を適用し、これらの領域の前にある点の不透明度をリセットし、不適切な点を修正する新しい機会を生み出す。 特に、LPMは静的3DGSとダイナミックなSpaceTimeGSの両方を改善して、リアルタイム速度を維持しながら最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2024-06-06T16:55:07Z)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)
• EfficientGS: Streamlining Gaussian Splatting for Large-Scale High-Resolution Scene Representation [29.334665494061113]
  能率GS」は3DGSを高解像度で大規模なシーンに最適化する高度なアプローチである。 3DGSの密度化過程を解析し,ガウスの過剰増殖領域を同定した。 本稿では,ガウス的増加を重要な冗長プリミティブに制限し,表現効率を向上する選択的戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-19T10:32:30Z)
• Revising Densification in Gaussian Splatting [23.037676471903215]
  本稿では,3DGSにおける密度制御のための画素エラー駆動型定式化について述べる。 我々のアプローチは、メソッドの効率を犠牲にすることなく、様々なベンチマークシーンで一貫した品質改善をもたらす。
  論文  参考訳（メタデータ） (2024-04-09T08:20:37Z)
• Reduced Reference Perceptual Quality Model and Application to Rate Control for 3D Point Cloud Compression [61.110938359555895]
  レート歪み最適化では、ビットレートの制約を受ける再構成品質尺度を最大化してエンコーダ設定を決定する。 本稿では,V-PCC幾何および色量化パラメータを変数とする線形知覚品質モデルを提案する。 400個の圧縮された3D点雲による主観的品質試験の結果,提案モデルが平均評価値とよく相関していることが示唆された。 また、同じ目標ビットレートに対して、提案モデルに基づくレート歪みの最適化は、ポイント・ツー・ポイントの客観的な品質指標による徹底的な探索に基づくレート歪みの最適化よりも高い知覚品質を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-25T12:42:02Z)

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。