論文の概要: A LoD of Gaussians: Unified Training and Rendering for Ultra-Large Scale Reconstruction with External Memory

• arxiv url: http://arxiv.org/abs/2507.01110v1
• Date: Tue, 01 Jul 2025 18:12:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.853976
• Title: A LoD of Gaussians: Unified Training and Rendering for Ultra-Large Scale Reconstruction with External Memory
• Title（参考訳）: ガウスのLOD:外部記憶を用いた超大規模再建のための統一トレーニングとレンダリング
• Authors: Felix Windisch, Lukas Radl, Thomas Köhler, Michael Steiner, Dieter Schmalstieg, Markus Steinberger,
• Abstract要約: コンシューマグレードのGPU上で,超大規模シーンのトレーニングとレンダリングを行うフレームワークであるA LoD of Gaussiansを紹介した。 ガウス階層と逐次点木を組み合わせたハイブリッドデータ構造は、効率的なビュー依存のLoD選択を可能にする。 軽量キャッシングとビュースケジューリングシステムは、リアルタイムストリーミングとレンダリングをサポートするために時間的コヒーレンスを利用する。
• 参考スコア（独自算出の注目度）: 8.972911362220803
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gaussian Splatting has emerged as a high-performance technique for novel view synthesis, enabling real-time rendering and high-quality reconstruction of small scenes. However, scaling to larger environments has so far relied on partitioning the scene into chunks -- a strategy that introduces artifacts at chunk boundaries, complicates training across varying scales, and is poorly suited to unstructured scenarios such as city-scale flyovers combined with street-level views. Moreover, rendering remains fundamentally limited by GPU memory, as all visible chunks must reside in VRAM simultaneously. We introduce A LoD of Gaussians, a framework for training and rendering ultra-large-scale Gaussian scenes on a single consumer-grade GPU -- without partitioning. Our method stores the full scene out-of-core (e.g., in CPU memory) and trains a Level-of-Detail (LoD) representation directly, dynamically streaming only the relevant Gaussians. A hybrid data structure combining Gaussian hierarchies with Sequential Point Trees enables efficient, view-dependent LoD selection, while a lightweight caching and view scheduling system exploits temporal coherence to support real-time streaming and rendering. Together, these innovations enable seamless multi-scale reconstruction and interactive visualization of complex scenes -- from broad aerial views to fine-grained ground-level details.
• Abstract（参考訳）: ガウススプラッティングは、新しいビュー合成のための高性能な技術として登場し、小さなシーンのリアルタイムレンダリングと高品質な再構築を可能にしている。 チャンク境界のアーティファクトを導入し、さまざまなスケールでのトレーニングを複雑にし、街並みのビューと組み合わされた都市規模のフライオーバーのような非構造的なシナリオには適していない。 さらに、すべての可視チャンクを同時にVRAMに配置する必要があるため、レンダリングはGPUメモリによって基本的に制限されている。 A LoD of Gaussianは、単一のコンシューマグレードのGPU上で、パーティショニングなしで超大規模ガウスシーンをトレーニングおよびレンダリングするためのフレームワークです。 本手法では,全シーンをCPUメモリに格納し,関連するガウスのみを動的にストリーミングするレベル・オブ・ディーテール(LoD)表現を直接訓練する。 ガウス階層とシークエンシャルポイントツリーを組み合わせたハイブリッドデータ構造は、効率的なビュー依存のLoD選択を可能にし、軽量キャッシングとビュースケジューリングシステムは、時間的コヒーレンスを利用してリアルタイムストリーミングとレンダリングをサポートする。 これらのイノベーションは、広空から細かな地上レベルまで、複雑なシーンのシームレスなマルチスケールの再構築とインタラクティブな可視化を可能にします。

関連論文リスト

• Virtual Memory for 3D Gaussian Splatting [1.278093617645299]
  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。
  論文  参考訳（メタデータ） (2025-06-24T08:31:33Z)
• HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
  本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。 提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。 その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
  論文  参考訳（メタデータ） (2025-06-24T03:54:40Z)
• Holistic Large-Scale Scene Reconstruction via Mixed Gaussian Splatting [30.31985970421813]
  MixGSは大規模3Dシーン再構築のための新しい全体最適化フレームワークである。 大規模なシーンでの実験では、MixGSが最先端のレンダリング品質と競争速度を達成することを示した。
  論文  参考訳（メタデータ） (2025-05-29T09:25:36Z)
• 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)
• Representing Long Volumetric Video with Temporal Gaussian Hierarchy [80.51373034419379]
  本稿では,多視点RGBビデオから長いボリューム映像を再構成することの課題を解決することを目的とする。 本稿では,テンポラルガウス階層(Temporal Gaussian Hierarchy)と呼ばれる新しい4次元表現を提案する。 この研究は、最先端のレンダリング品質を維持しながら、ボリュームビデオデータの分を効率的に処理できる最初のアプローチである。
  論文  参考訳（メタデータ） (2024-12-12T18:59:34Z)
• CityGaussian: Real-time High-quality Large-Scale Scene Rendering with Gaussians [64.6687065215713]
  CityGaussianは、大規模な3DGSのトレーニングとレンダリングを効率化するために、新しい分別/分別トレーニングアプローチとLevel-of-Detail(LoD)戦略を採用している。 我々のアプローチは最先端のレンダリング品質を実現し、大規模なシーンを全く異なるスケールで一貫したリアルタイムレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-04-01T14:24:40Z)
• 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)

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。