論文の概要: Virtual Memory for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2506.19415v1
• Date: Tue, 24 Jun 2025 08:31:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.554416
• Title: Virtual Memory for 3D Gaussian Splatting
• Title（参考訳）: 3次元ガウス平滑化のための仮想記憶
• Authors: Jonathan Haberl, Philipp Fleck, Clemens Arth,
• Abstract要約: ガウスの版画は、新しいビューレンダリングの分野における画期的な分野である。 近年の進歩は、作成できるスプレイティングシーンのサイズを増大させてきた。
• 参考スコア（独自算出の注目度）: 1.278093617645299
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 3D Gaussian Splatting represents a breakthrough in the field of novel view synthesis. It establishes Gaussians as core rendering primitives for highly accurate real-world environment reconstruction. Recent advances have drastically increased the size of scenes that can be created. In this work, we present a method for rendering large and complex 3D Gaussian Splatting scenes using virtual memory. By leveraging well-established virtual memory and virtual texturing techniques, our approach efficiently identifies visible Gaussians and dynamically streams them to the GPU just in time for real-time rendering. Selecting only the necessary Gaussians for both storage and rendering results in reduced memory usage and effectively accelerates rendering, especially for highly complex scenes. Furthermore, we demonstrate how level of detail can be integrated into our proposed method to further enhance rendering speed for large-scale scenes. With an optimized implementation, we highlight key practical considerations and thoroughly evaluate the proposed technique and its impact on desktop and mobile devices.
• Abstract（参考訳）: 3D Gaussian Splattingは、新しいビュー合成の分野におけるブレークスルーを表している。 ガウシアンを高精度な現実世界環境再構築のためのコアレンダリングプリミティブとして確立している。 近年の進歩は、生成可能なシーンのサイズを大幅に増加させています。 本研究では,仮想メモリを用いて,大規模で複雑な3次元ガウス撮影シーンを描画する手法を提案する。 確立された仮想メモリと仮想テクスチャ技術を活用することで、視覚的なガウスを効率よく識別し、リアルタイムレンダリングのタイミングでGPUに動的にストリームする。 ストレージとレンダリングの両方に必要なガウスだけを選択すると、メモリ使用量が減少し、特に複雑なシーンではレンダリングが効果的に高速化される。 さらに,大規模シーンのレンダリング速度をさらに向上するため,提案手法にディテールのレベルを組み込む方法を示す。 最適化された実装では、重要な実践的考察を強調し、提案手法とデスクトップおよびモバイルデバイスへの影響を徹底的に評価する。

関連論文リスト

• 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)
• 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)
• SplatLoc: 3D Gaussian Splatting-based Visual Localization for Augmented Reality [50.179377002092416]
  より少ないパラメータで高品質なレンダリングが可能な効率的なビジュアルローカライズ手法を提案する。 提案手法は,最先端の暗黙的視覚的ローカライゼーションアプローチに対して,より優れた,あるいは同等なレンダリングとローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2024-09-21T08:46:16Z)
• Compact 3D Gaussian Splatting for Static and Dynamic Radiance Fields [13.729716867839509]
  ハイパフォーマンスを維持しつつガウスの数を著しく削減する学習可能なマスク戦略を提案する。 さらに、格子型ニューラルネットワークを用いて、ビュー依存色をコンパクトかつ効果的に表現することを提案する。 我々の研究は、3Dシーン表現のための包括的なフレームワークを提供し、ハイパフォーマンス、高速トレーニング、コンパクト性、リアルタイムレンダリングを実現しています。
  論文  参考訳（メタデータ） (2024-08-07T14:56:34Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Scaffold-GS: Structured 3D Gaussians for View-Adaptive Rendering [71.44349029439944]
  最近の3次元ガウス散乱法は、最先端のレンダリング品質と速度を達成している。 局所的な3Dガウス分布にアンカーポイントを用いるScaffold-GSを導入する。 提案手法は,高品質なレンダリングを実現しつつ,冗長なガウスを効果的に削減できることを示す。
  論文  参考訳（メタデータ） (2023-11-30T17:58:57Z)
• Compressed 3D Gaussian Splatting for Accelerated Novel View Synthesis [0.552480439325792]
  スパース画像集合からの新規なビュー合成のために,3次元ガウススプラット表現を最適化した高忠実度シーン再構成を導入した。 本稿では,感性を考慮したベクトルクラスタリングと量子化学習を併用した3次元ガウススプラット表現を用いて,方向色とガウスパラメータを圧縮する手法を提案する。
  論文  参考訳（メタデータ） (2023-11-17T14:40:43Z)

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。