論文の概要: ControlGS: Consistent Structural Compression Control for Deployment-Aware Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2505.10473v3
- Date: Fri, 07 Nov 2025 05:53:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 14:53:49.418898
- Title: ControlGS: Consistent Structural Compression Control for Deployment-Aware Gaussian Splatting
- Title（参考訳）: ControlGS: 配置対応ガウス平滑化のための一貫した構造圧縮制御
- Authors: Fengdi Zhang, Yibao Sun, Hongkun Cao, Ruqi Huang,
- Abstract要約: 3D Gaussian Splatting (3DGS) は、新しいビュー合成のための高度にデプロイ可能なリアルタイム手法である。
ガウス数とレンダリング品質のトレードオフを連続的かつシーン非依存かつ応答性の高い制御軸にマッピングする制御指向最適化フレームワークであるControlGSを提案する。
- 参考スコア（独自算出の注目度）: 7.741892790829507
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) is a highly deployable real-time method for novel view synthesis. In practice, it requires a universal, consistent control mechanism that adjusts the trade-off between rendering quality and model compression without scene-specific tuning, enabling automated deployment across different device performances and communication bandwidths. In this work, we present ControlGS, a control-oriented optimization framework that maps the trade-off between Gaussian count and rendering quality to a continuous, scene-agnostic, and highly responsive control axis. Extensive experiments across a wide range of scene scales and types (from small objects to large outdoor scenes) demonstrate that, by adjusting a globally unified control hyperparameter, ControlGS can flexibly generate models biased toward either structural compactness or high fidelity, regardless of the specific scene scale or complexity, while achieving markedly higher rendering quality with the same or fewer Gaussians compared to potential competing methods. Project page: https://zhang-fengdi.github.io/ControlGS/
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS) は、新しいビュー合成のための高度にデプロイ可能なリアルタイム手法である。
実際には、シーン固有のチューニングなしで、レンダリング品質とモデル圧縮のトレードオフを調整し、さまざまなデバイスパフォーマンスと通信帯域を自動デプロイする、普遍的で一貫した制御メカニズムが必要です。
本研究では,ガウス数とレンダリング品質のトレードオフを連続的かつシーン非依存かつ応答性の高い制御軸にマッピングする制御指向最適化フレームワークであるControlGSを提案する。
広い範囲のシーンスケールとタイプ(小さなオブジェクトから大きな屋外シーンまで)にわたる大規模な実験では、グローバルに統一された制御ハイパーパラメータを調整することで、コントロールGSは、特定のシーンスケールや複雑さに関わらず、構造的コンパクト性や高い忠実性に偏ったモデルを柔軟に生成できる一方で、潜在的に競合する手法と比較して、同じまたは少ないガウスのレンダリング品質を著しく向上できることを示した。
プロジェクトページ: https://zhang-fengdi.github.io/ControlGS/
関連論文リスト
- FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。
従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。
本稿では3DGSの弾性推論手法を提案する。
論文 参考訳（メタデータ） (2025-06-04T17:17:57Z) - 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) - TrackGS: Optimizing COLMAP-Free 3D Gaussian Splatting with Global Track Constraints [40.9371798496134]
マルチビュー幾何をグローバルに制約する機能トラックを組み込んだTrackGSを紹介する。
また、幾何整合性を改善するために、再投射と後方投射の誤差を最小化することを提案する。
内在性の勾配を導出することにより、カメラパラメータ推定と3DGSトレーニングを結合最適化フレームワークに統合する。
論文 参考訳（メタデータ） (2025-02-27T06:16:04Z) - 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) - 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) - PUP 3D-GS: Principled Uncertainty Pruning for 3D Gaussian Splatting [59.277480452459315]
本研究では,視覚的忠実度と前景の細部を高い圧縮比で保持する原理的感度プルーニングスコアを提案する。
また,トレーニングパイプラインを変更することなく,事前訓練した任意の3D-GSモデルに適用可能な複数ラウンドプルーファインパイプラインを提案する。
論文 参考訳（メタデータ） (2024-06-14T17:53:55Z) - 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。