論文の概要: 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians

• arxiv url: http://arxiv.org/abs/2505.24053v1
• Date: Thu, 29 May 2025 22:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-02 19:47:52.691128
• Title: 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians
• Title（参考訳）: 3DGEER:3Dガウスによる実効性と効率的なボリュームレンダリング
• Authors: Zixun Huang, Cho-Ying Wu, Yuliang Guo, Xinyu Huang, Liu Ren,
• Abstract要約: 本稿では3DGEER(Exact and Efficient Volumetric Gaussian Rendering method)を紹介する。 提案手法は従来手法を一貫して上回り, リアルタイムなニューラルレンダリングにおける新しい最先端技術を確立する。
• 参考スコア（独自算出の注目度）: 15.776720879897345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) marks a significant milestone in balancing the quality and efficiency of differentiable rendering. However, its high efficiency stems from an approximation of projecting 3D Gaussians onto the image plane as 2D Gaussians, which inherently limits rendering quality--particularly under large Field-of-View (FoV) camera inputs. While several recent works have extended 3DGS to mitigate these approximation errors, none have successfully achieved both exactness and high efficiency simultaneously. In this work, we introduce 3DGEER, an Exact and Efficient Volumetric Gaussian Rendering method. Starting from first principles, we derive a closed-form expression for the density integral along a ray traversing a 3D Gaussian distribution. This formulation enables precise forward rendering with arbitrary camera models and supports gradient-based optimization of 3D Gaussian parameters. To ensure both exactness and real-time performance, we propose an efficient method for computing a tight Particle Bounding Frustum (PBF) for each 3D Gaussian, enabling accurate and efficient ray-Gaussian association. We also introduce a novel Bipolar Equiangular Projection (BEAP) representation to accelerate ray association under generic camera models. BEAP further provides a more uniform ray sampling strategy to apply supervision, which empirically improves reconstruction quality. Experiments on multiple pinhole and fisheye datasets show that our method consistently outperforms prior methods, establishing a new state-of-the-art in real-time neural rendering.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、差別化可能なレンダリングの品質と効率のバランスをとる上で重要なマイルストーンである。 しかし、その高効率性は、3Dガウスアンを2Dガウスアンとして画像面に投影することによるものであり、特にFoVカメラの大規模な入力では、レンダリング品質を本質的に制限している。 最近のいくつかの研究は、これらの近似誤差を軽減するために3DGSを拡張しているが、正確性と高い効率の両方を同時に達成することに成功したものはない。 本研究では3DGEER, Exact and Efficient Volumetric Gaussian Rendering法を紹介する。 第一原理から、3次元ガウス分布を横断する線に沿った密度積分の閉形式式を導出する。 この定式化により、任意のカメラモデルによる正確な前方レンダリングが可能となり、3次元ガウスパラメータの勾配に基づく最適化がサポートされる。 精度と実時間性能の両立を図るため,各3次元ガウス空間に対して密な粒子境界フラストム(PBF)を計算し,高精度かつ効率的なレイ・ガウス結合を実現する方法を提案する。 また、一般的なカメラモデル下でのレイアソシエーションを加速するために、新しいバイポーラ等角射影(BEAP)表現を導入する。 BEAPはさらに、監視を適用するためにより均一な線サンプリング戦略を提供し、これによって再建品質を実証的に改善する。 複数のピンホールと魚眼データセットの実験により、我々の手法は従来手法よりも一貫して優れており、リアルタイムなニューラルレンダリングにおける新しい最先端技術を確立している。

関連論文リスト

• RP-SLAM: Real-time Photorealistic SLAM with Efficient 3D Gaussian Splatting [22.76955981251234]
  RP-SLAM(RP-SLAM)は、単眼およびRGB-Dカメラのための3Dガウススプラッティングに基づく視覚SLAM法である。 リアルタイム性能とモデルコンパクト性を確保しつつ、最先端の地図レンダリング精度を実現する。
  論文  参考訳（メタデータ） (2024-12-13T05:27:35Z)
• L3DG: Latent 3D Gaussian Diffusion [74.36431175937285]
  L3DGは3次元ガウス拡散定式化による3次元ガウスの3次元モデリングのための最初のアプローチである。 我々は、部屋の大きさのシーンで効率的に操作するために、スパース畳み込みアーキテクチャーを用いている。 3Dガウス表現を利用することで、生成されたシーンを任意の視点からリアルタイムでレンダリングすることができる。
  論文  参考訳（メタデータ） (2024-10-17T13:19:32Z)
• Compact 3D Gaussian Splatting For Dense Visual SLAM [32.37035997240123]
  本稿では,ガウス楕円体の数とパラメータサイズを削減できるコンパクトな3次元ガウス格子SLAMシステムを提案する。 余剰楕円体を減らすために、スライドウィンドウベースのマスキング戦略が最初に提案されている。 本手法は,シーン表現の最先端(SOTA)品質を維持しつつ,高速なトレーニングとレンダリングの高速化を実現する。
  論文  参考訳（メタデータ） (2024-03-17T15:41:35Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)
• DreamGaussian: Generative Gaussian Splatting for Efficient 3D Content Creation [55.661467968178066]
  本稿では,DreamGaussianを提案する。DreamGaussianは,効率と品質を両立させる新しい3Dコンテンツ生成フレームワークである。 我々の重要な洞察は、UV空間におけるメッシュ抽出とテクスチャ改善を伴う3次元ガウススプラッティングモデルを設計することである。 ニューラル・ラジアンス・フィールドにおける占有プルーニングとは対照的に、3次元ガウスの進行的な密度化は3次元生成タスクにおいて著しく速く収束することを示した。
  論文  参考訳（メタデータ） (2023-09-28T17:55:05Z)

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。