論文の概要: LOD-GS: Level-of-Detail-Sensitive 3D Gaussian Splatting for Detail Conserved Anti-Aliasing

• arxiv url: http://arxiv.org/abs/2507.00554v1
• Date: Tue, 01 Jul 2025 08:22:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.537488
• Title: LOD-GS: Level-of-Detail-Sensitive 3D Gaussian Splatting for Detail Conserved Anti-Aliasing
• Title（参考訳）: LOD-GS: 詳細な保存抗エイリアスのための3Dガウス平滑化
• Authors: Zhenya Yang, Bingchen Gong, Kai Chen, Qi Dou,
• Abstract要約: LOD-GSは、ガウススティングのためのレベル・オブ・ディテール・センシティブなフィルタリングフレームワークである。 各ガウス関数に基底関数の集合を導入し、モデル外見の変動に対する入力としてサンプリング率をとる。 本手法は,エイリアスを効果的に除去しつつ,SOTAレンダリングの品質を実現する。
• 参考スコア（独自算出の注目度）: 19.06371493977328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the advancements in quality and efficiency achieved by 3D Gaussian Splatting (3DGS) in 3D scene rendering, aliasing artifacts remain a persistent challenge. Existing approaches primarily rely on low-pass filtering to mitigate aliasing. However, these methods are not sensitive to the sampling rate, often resulting in under-filtering and over-smoothing renderings. To address this limitation, we propose LOD-GS, a Level-of-Detail-sensitive filtering framework for Gaussian Splatting, which dynamically predicts the optimal filtering strength for each 3D Gaussian primitive. Specifically, we introduce a set of basis functions to each Gaussian, which take the sampling rate as input to model appearance variations, enabling sampling-rate-sensitive filtering. These basis function parameters are jointly optimized with the 3D Gaussian in an end-to-end manner. The sampling rate is influenced by both focal length and camera distance. However, existing methods and datasets rely solely on down-sampling to simulate focal length changes for anti-aliasing evaluation, overlooking the impact of camera distance. To enable a more comprehensive assessment, we introduce a new synthetic dataset featuring objects rendered at varying camera distances. Extensive experiments on both public datasets and our newly collected dataset demonstrate that our method achieves SOTA rendering quality while effectively eliminating aliasing. The code and dataset have been open-sourced.
• Abstract（参考訳）: 3Dシーンレンダリングにおける3Dガウススプラッティング(3DGS)による品質と効率の向上にもかかわらず、アーティファクトのエイリアス化は永続的な課題である。 既存のアプローチは主にエイリアスを緩和するためにローパスフィルタリングに依存している。 しかし、これらの手法はサンプリングレートに敏感ではなく、しばしばアンダーフィルターやオーバースムースレンダリングをもたらす。 この制限に対処するため、3次元ガウスプリミティブごとに最適なフィルタリング強度を動的に予測するガウススティングのためのレベル・オブ・ディテール・インテリジェンス・フィルタリング・フレームワークであるLOD-GSを提案する。 具体的には,各ガウス関数に基底関数のセットを導入し,サンプリング率をモデル外見の変化の入力とし,サンプリングレートに敏感なフィルタリングを可能にする。 これらの基底関数パラメータは、エンドツーエンドの方法で3Dガウスと共同で最適化される。 サンプリングレートは焦点距離とカメラ距離の両方に影響される。 しかし、既存の手法やデータセットは、カメラ距離の影響を見越して、アンチエイリアス評価のために焦点距離の変化をシミュレートするために、ダウンサンプリングのみに依存している。 より総合的な評価を可能にするため、様々なカメラ距離で描画されるオブジェクトを特徴付ける新しい合成データセットを導入する。 公開データセットと新たに収集したデータセットの両方に対する大規模な実験により、我々の手法はエイリアスを効果的に排除しつつ、SOTAレンダリング品質を達成することを示した。 コードとデータセットがオープンソース化された。

関連論文リスト

• 3DGEER: Exact and Efficient Volumetric Rendering with 3D Gaussians [15.776720879897345]
  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。
  論文  参考訳（メタデータ） (2025-05-29T22:52:51Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• Mode-GS: Monocular Depth Guided Anchored 3D Gaussian Splatting for Robust Ground-View Scene Rendering [47.879695094904015]
  そこで本研究では,地上ロボット軌道データセットのための新しいビューレンダリングアルゴリズムであるMode-GSを提案する。 提案手法は,既存の3次元ガウススプラッティングアルゴリズムの限界を克服する目的で,アンカー付きガウススプラッターを用いている。 提案手法は,PSNR,SSIM,LPIPSの計測値に基づいて,自由軌道パターンを持つ地上環境におけるレンダリング性能を向上する。
  論文  参考訳（メタデータ） (2024-10-06T23:01:57Z)
• 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)
• Analytic-Splatting: Anti-Aliased 3D Gaussian Splatting via Analytic Integration [49.004898985671815]
  3DGSはエイリアスフリーではなく、解像度の異なるレンダリングは、ひどくぼやけたり、ジャギーになったりする可能性がある。 これは、3DGSが各ピクセルを領域ではなく孤立した単一点として扱い、ピクセルのフットプリントの変化に敏感であるからである。 本稿では、この近似を2次元のピクセルシェーディングに導入し、2D-ピクセルウィンドウ領域内のガウス積分を解析的に近似するアナリシス・スプレイティングを提案する。
  論文  参考訳（メタデータ） (2024-03-17T02:06:03Z)
• Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
  3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。 ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。 この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
  論文  参考訳（メタデータ） (2023-11-27T13:03:09Z)
• Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
  モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。 従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。 我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。 これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
  論文  参考訳（メタデータ） (2020-08-31T17:10:48Z)

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。