論文の概要: Gaussian Herding across Pens: An Optimal Transport Perspective on Global Gaussian Reduction for 3DGS

• arxiv url: http://arxiv.org/abs/2506.09534v1
• Date: Wed, 11 Jun 2025 09:04:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:02.790117
• Title: Gaussian Herding across Pens: An Optimal Transport Perspective on Global Gaussian Reduction for 3DGS
• Title（参考訳）: ペンを横切るガウス的ハーディング:3DGSのグローバルガウス的削減に関する最適輸送視点
• Authors: Tao Wang, Mengyu Li, Geduo Zeng, Cheng Meng, Qiong Zhang,
• Abstract要約: 本稿では,グローバルなガウス混合還元として3DGSのコンパクト化を推し進める,新しい最適輸送視点を提案する。 具体的には、まず、KD-ツリー分割上の複合輸送のばらつきを最小化し、コンパクトな幾何学的表現を生成する。 本手法は,バニラおよび加速3DGSパイプラインの任意の段階に適用可能であり,軽量なニューラルレンダリングへの効率的かつ非依存的な経路を提供する。
• 参考スコア（独自算出の注目度）: 15.072715525951526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D Gaussian Splatting (3DGS) has emerged as a powerful technique for radiance field rendering, but it typically requires millions of redundant Gaussian primitives, overwhelming memory and rendering budgets. Existing compaction approaches address this by pruning Gaussians based on heuristic importance scores, without global fidelity guarantee. To bridge this gap, we propose a novel optimal transport perspective that casts 3DGS compaction as global Gaussian mixture reduction. Specifically, we first minimize the composite transport divergence over a KD-tree partition to produce a compact geometric representation, and then decouple appearance from geometry by fine-tuning color and opacity attributes with far fewer Gaussian primitives. Experiments on benchmark datasets show that our method (i) yields negligible loss in rendering quality (PSNR, SSIM, LPIPS) compared to vanilla 3DGS with only 10% Gaussians; and (ii) consistently outperforms state-of-the-art 3DGS compaction techniques. Notably, our method is applicable to any stage of vanilla or accelerated 3DGS pipelines, providing an efficient and agnostic pathway to lightweight neural rendering.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、放射場レンダリングの強力なテクニックとして登場したが、通常は数百万の冗長なガウスプリミティブ、圧倒的なメモリ、レンダリング予算を必要とする。 既存のコンパクト化アプローチは、グローバルな忠実性を保証することなく、ヒューリスティックな重要度スコアに基づいてガウシアンを刈り取ることでこの問題に対処する。 このギャップを埋めるために,グローバルガウス混合還元として3DGSのコンパクト化を推し進める,新しい最適輸送視点を提案する。 具体的には、まず、KD-ツリー分割上の複合輸送のばらつきを最小化し、コンパクトな幾何学的表現を生成し、さらに、より少ないガウス的プリミティブを持つ微調整色と不透明属性によって幾何学から外見を分離する。 ベンチマークデータセットの実験は、我々の方法が示している。 i) バニラ3DGSに比べてレンダリング品質(PSNR, SSIM, LPIPS)が10%のガウス人に対して負の損失を生じる。 (II)最先端3DGS圧縮技術より一貫して優れる。 特に,本手法はバニラや加速3DGSパイプラインのどの段階にも適用でき,軽量なニューラルレンダリングへの効率的かつ不可知的な経路を提供する。

関連論文リスト

• ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。 近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。 本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-03-21T18:55:14Z)
• GaussianSpa: An "Optimizing-Sparsifying" Simplification Framework for Compact and High-Quality 3D Gaussian Splatting [12.342660713851227]
  3D Gaussian Splatting (3DGS) は、ガウス関数の連続的な集合を利用して、新しいビュー合成の主流として登場した。 3DGSは、ガウシアンの多さを記憶するためのかなりのメモリ要件に悩まされており、その実用性を妨げている。 コンパクトで高品質な3DGSのための最適化ベースの単純化フレームワークであるGaussianSpaを紹介する。
  論文  参考訳（メタデータ） (2024-11-09T00:38:06Z)
• Mipmap-GS: Let Gaussians Deform with Scale-specific Mipmap for Anti-aliasing Rendering [81.88246351984908]
  任意のスケールでガウスを適応させる統一最適化法を提案する。 ミップマップ技術に触発されて、ターゲットスケールのための擬似基底構造を設計し、3次元ガウスアンにスケール情報を注入するスケール一貫性誘導損失を提案する。 本手法は,PSNRの3DGSを,ズームインで平均9.25dB,ズームアウトで平均10.40dBで上回っている。
  論文  参考訳（メタデータ） (2024-08-12T16:49:22Z)
• GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
  GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。 周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
  論文  参考訳（メタデータ） (2024-02-15T17:32:50Z)

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。