論文の概要: GS-TG: 3D Gaussian Splatting Accelerator with Tile Grouping for Reducing Redundant Sorting while Preserving Rasterization Efficiency

• arxiv url: http://arxiv.org/abs/2509.00911v2
• Date: Wed, 03 Sep 2025 01:05:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.456025
• Title: GS-TG: 3D Gaussian Splatting Accelerator with Tile Grouping for Reducing Redundant Sorting while Preserving Rasterization Efficiency
• Title（参考訳）: GS-TG:ラスタ化効率を保ちながら冗長化低減のためのタイルグルーピングによる3次元ガウス平滑化加速器
• Authors: Joongho Jo, Jongsun Park,
• Abstract要約: タイルベースのレンダリングアクセラレータであるGS-TGを導入し,冗長なソート操作の削減と効率の維持により3D-GSレンダリングの高速化を図る。 実験の結果、GS-TGは最先端の3D-GSアクセラレータよりも平均1.54倍のスピードアップを達成した。
• 参考スコア（独自算出の注目度）: 3.7593224560346115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3D-GS) has emerged as a promising alternative to neural radiance fields (NeRF) as it offers high speed as well as high image quality in novel view synthesis. Despite these advancements, 3D-GS still struggles to meet the frames per second (FPS) demands of real-time applications. In this paper, we introduce GS-TG, a tile-grouping-based accelerator that enhances 3D-GS rendering speed by reducing redundant sorting operations and preserving rasterization efficiency. GS-TG addresses a critical trade-off issue in 3D-GS rendering: increasing the tile size effectively reduces redundant sorting operations, but it concurrently increases unnecessary rasterization computations. So, during sorting of the proposed approach, GS-TG groups small tiles (for making large tiles) to share sorting operations across tiles within each group, significantly reducing redundant computations. During rasterization, a bitmask assigned to each Gaussian identifies relevant small tiles, to enable efficient sharing of sorting results. Consequently, GS-TG enables sorting to be performed as if a large tile size is used by grouping tiles during the sorting stage, while allowing rasterization to proceed with the original small tiles by using bitmasks in the rasterization stage. GS-TG is a lossless method requiring no retraining or fine-tuning and it can be seamlessly integrated with previous 3D-GS optimization techniques. Experimental results show that GS-TG achieves an average speed-up of 1.54 times over state-of-the-art 3D-GS accelerators.
• Abstract（参考訳）: 3次元ガウス散乱(3D-GS)は、ニューラルラジアンス場(NeRF)の代替として、新しいビュー合成において高速かつ高画質な画像を提供するために登場した。 これらの進歩にもかかわらず、3D-GSはリアルタイムアプリケーションのフレーム毎秒(FPS)要求を満たすのに苦戦している。 本稿では,余剰ソート操作の削減とラスタ化効率の維持により3D-GSレンダリング速度を向上させるタイルグルーピングベースの加速器であるGS-TGを紹介する。 3D-GSレンダリングにおいて、GS-TGは重要なトレードオフ問題に対処する: タイルサイズの増大は、冗長なソート操作を効果的に削減するが、不要なラスタライズ計算を同時に増加させる。 そこで,提案手法のソートにおいて,GS-TGは,各グループ内のタイル間でのソート操作を共有するために,小さなタイル(大きなタイルを作るために)をグループ化し,冗長な計算を著しく削減した。 ラスタ化中、各ガウスに割り当てられたビットマスクは関連する小さなタイルを特定し、ソート結果の効率的な共有を可能にする。 これにより、GS−TGは、ラスタライズ段階においてビットマスクを用いることで、ラスタライズを元の小さなタイルで進めると共に、ソート段階においてタイルをグループ化することにより、大きなタイルサイズを使用するようにソートすることができる。 GS-TGは、再トレーニングや微調整を必要とせず、従来の3D-GS最適化手法とシームレスに統合することができる。 実験の結果、GS-TGは最先端の3D-GSアクセラレータよりも平均1.54倍のスピードアップを達成した。

関連論文リスト

• 3DGabSplat: 3D Gabor Splatting for Frequency-adaptive Radiance Field Rendering [50.04967868036964]
  3D Gaussian Splatting(3DGS)は、高忠実なノベルビュー合成を維持しながらリアルタイムレンダリングを実現している。 複数方向の3次元周波数応答を持つ新規な3次元ガボルベースプリミティブを組み込んだ3次元ガボルスプレート(3DGabSplat)を提案する。 我々は3D以上の1.35dBRゲインを実現し、同時にプリミティブメモリ消費量を削減した。
  論文  参考訳（メタデータ） (2025-08-07T12:49:44Z)
• TC-GS: A Faster Gaussian Splatting Module Utilizing Tensor Cores [9.744829716477627]
  本稿では3DGSのコア(TCU)適用性を拡張するアルゴリズム非依存のユニバーサルモジュールであるTC-GSを提案する。 鍵となる革新は、αを行列乗法にマッピングすることであり、既存の3DGS実装では、そうでなければアイドルTCUを完全に活用している。
  論文  参考訳（メタデータ） (2025-05-30T16:58:18Z)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• DashGaussian: Optimizing 3D Gaussian Splatting in 200 Seconds [71.37326848614133]
  3DGSの最適化複雑性に関するスケジューリング手法であるDashGaussianを提案する。 提案手法は, 各種3DGSバックボーンの最適化を平均45.7%高速化する。
  論文  参考訳（メタデータ） (2025-03-24T07:17:27Z)
• LiteGS: A High-performance Framework to Train 3DGS in Subminutes via System and Algorithm Codesign [9.937895857852029]
  3D Gaussian Splatting (3DGS)は、3D表現において有望な代替手段として登場したが、それでも高いトレーニングコストに悩まされている。 本稿では、3DGSトレーニングパイプラインを体系的に最適化する高性能計算フレームワークであるLiteGSを紹介する。 実験の結果、LiteGSはオリジナルの3DGSトレーニングを最大13.4倍、同等または優れた品質で加速した。
  論文  参考訳（メタデータ） (2025-03-03T05:52:02Z)
• PG-SAG: Parallel Gaussian Splatting for Fine-Grained Large-Scale Urban Buildings Reconstruction via Semantic-Aware Grouping [6.160345720038265]
  本稿では,分割処理とカーネル最適化の両方にセマンティックキューをフル活用した並列ガウス分割手法PG-SAGを提案する。 その結果, 建物表面の再構成におけるPG-SAGの優れた性能を示すことができた。
  論文  参考訳（メタデータ） (2025-01-03T07:40:16Z)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)

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。