論文の概要: STREAMINGGS: Voxel-Based Streaming 3D Gaussian Splatting with Memory Optimization and Architectural Support
- arxiv url: http://arxiv.org/abs/2506.09070v1
- Date: Mon, 09 Jun 2025 07:51:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-13 06:35:01.633012
- Title: STREAMINGGS: Voxel-Based Streaming 3D Gaussian Splatting with Memory Optimization and Architectural Support
- Title（参考訳）: STREAMINGGS: メモリ最適化とアーキテクチャサポートを備えたVoxelベースの3Dガウススプレイティング
- Authors: Chenqi Zhang, Yu Feng, Jieru Zhao, Guangda Liu, Wenchao Ding, Chentao Wu, Minyi Guo,
- Abstract要約: 3DGSは、リソース制約のあるモバイルデバイスで毎秒90フレームのリアルタイム要求を満たすのに苦労している。
既存のアクセラレータは計算効率に重点を置いているが、メモリ効率を見落としているため、冗長なDRAMトラフィックにつながる。
完全ストリーミング3DGSアルゴリズムアーキテクチャの共同設計であるSTREAMINGGSを導入し,細粒度パイプライニングを実現する。
- 参考スコア（独自算出の注目度）: 16.4682107511283
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) has gained popularity for its efficiency and sparse Gaussian-based representation. However, 3DGS struggles to meet the real-time requirement of 90 frames per second (FPS) on resource-constrained mobile devices, achieving only 2 to 9 FPS.Existing accelerators focus on compute efficiency but overlook memory efficiency, leading to redundant DRAM traffic. We introduce STREAMINGGS, a fully streaming 3DGS algorithm-architecture co-design that achieves fine-grained pipelining and reduces DRAM traffic by transforming from a tile-centric rendering to a memory-centric rendering. Results show that our design achieves up to 45.7 $\times$ speedup and 62.9 $\times$ energy savings over mobile Ampere GPUs.
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)はその効率と疎いGaussianベースの表現で人気を博している。
しかし、3DGSは、リソース制約のあるモバイルデバイスで毎秒90フレーム(FPS)のリアルタイム要求を満たすのに苦労しており、2～9FPSしか達成していない。
我々は,タイル中心のレンダリングからメモリ中心のレンダリングへ変換することで,細粒度のパイプライニングを実現し,DRAMトラフィックを低減する,フルストリーム3DGSアルゴリズムアーキテクチャの共設計であるSTREAMINGGSを紹介する。
その結果,モバイルAmpere GPU上では,最大45.7$\times$スピードアップ,62.9$\times$エネルギセーブを実現した。
関連論文リスト
- Speedy Deformable 3D Gaussian Splatting: Fast Rendering and Compression of Dynamic Scenes [57.69608119350651]
動的シーンへの3次元ガウススティング(3DGS)の最近の拡張は、ニューラルネットワークを用いて各ガウスの時間変化変形を予測することによって、高品質な新規ビュー合成を実現する。
しかしながら、ガウス毎のニューラルネットワークを各フレームで実行することは、レンダリング速度を制限し、メモリと計算要求を増大させる、重大なボトルネックとなる。
動的3DGSおよび4DGS表現のレンダリング速度を2つの相補的手法により低減し,高速化する汎用パイプラインであるSpeedy Deformable 3D Gaussian Splatting(SpeeDe3DGS)を提案する。
論文 参考訳（メタデータ） (2025-06-09T16:30:48Z) - LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [68.93333348474988]
メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。
カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。
本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-05-29T06:50:57Z) - GauRast: Enhancing GPU Triangle Rasterizers to Accelerate 3D Gaussian Splatting [3.275890592583965]
3D Gaussian Splatting (3DGS)は高品質な3Dレンダリング手法である。
3DGSを加速するためのこれまでの取り組みは、相当な統合オーバーヘッドとハードウェアコストを必要とする専用のアクセラレータに依存していた。
本研究では、3DGSパイプラインと高度に最適化された従来のグラフィックスパイプラインの類似性を活用する加速度戦略を提案する。
論文 参考訳（メタデータ） (2025-03-20T19:54:05Z) - GS-Cache: A GS-Cache Inference Framework for Large-scale Gaussian Splatting Models [23.135271367322034]
大規模3Dガウススプラッティング(3DGS)モデルのレンダリングは、コンシューマグレードデバイス上でリアルタイムで高忠実なパフォーマンスを実現する上で、大きな課題に直面している。
我々は3DGSの高度な表現を高度に最適化されたレンダリングシステムとシームレスに統合するエンドツーエンドフレームワークであるGS-Cacheを提案する。
論文 参考訳（メタデータ） (2025-02-20T14:01:17Z) - Speedy-Splat: Fast 3D Gaussian Splatting with Sparse Pixels and Sparse Primitives [60.217580865237835]
3D Gaussian Splatting (3D-GS)は、3D Gaussian のパラメトリック点雲としてシーンをモデル化することで、新しいビューをリアルタイムにレンダリングすることのできる最近の3Dシーン再構築技術である。
レンダリング速度を大幅に向上させるために、3D-GSにおける2つの重要な非効率を同定し、対処する。
われわれのSpeedy-Splatアプローチはこれらの技術を組み合わせて、Mip-NeRF 360、Turps & Temples、Deep Blendingのデータセットから得られる、劇的な$mathit6.71timesで平均レンダリング速度を加速する。
論文 参考訳（メタデータ） (2024-11-30T20:25:56Z) - 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering [103.32717396287751]
本研究では,動的シーンの全体像として4D-GS(Gaussian Splatting)を提案する。
HexPlaneにインスパイアされたニューラルボクセル符号化アルゴリズムは、4Dニューラルボクセルの機能を効率的に構築するために提案されている。
我々の4D-GS法は、高解像度の82 FPSで、3090 GPUで800$times$800の解像度でリアルタイムレンダリングを実現する。
論文 参考訳（メタデータ） (2023-10-12T17:21:41Z)
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。