論文の概要: CLoD-GS: Continuous Level-of-Detail via 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2510.09997v1
• Date: Sat, 11 Oct 2025 03:48:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.728199
• Title: CLoD-GS: Continuous Level-of-Detail via 3D Gaussian Splatting
• Title（参考訳）: CLoD-GS:3次元ガウス平滑化による細部連続レベル
• Authors: Zhigang Cheng, Mingchao Sun, Yu Liu, Zengye Ge, Luyang Tang, Mu Xu, Yangyan Li, Peng Pan,
• Abstract要約: 連続的なLoD機構を直接3DGS表現に統合するフレームワークであるCLoD-GSを紹介する。 CLoD-GSは、単一のモデルからスムーズで高品質なレンダリングを実現し、さまざまなパフォーマンス目標に対して高忠実度な結果を提供する。
• 参考スコア（独自算出の注目度）: 7.764273859026904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Level of Detail (LoD) is a fundamental technique in real-time computer graphics for managing the rendering costs of complex scenes while preserving visual fidelity. Traditionally, LoD is implemented using discrete levels (DLoD), where multiple, distinct versions of a model are swapped out at different distances. This long-standing paradigm, however, suffers from two major drawbacks: it requires significant storage for multiple model copies and causes jarring visual ``popping" artifacts during transitions, degrading the user experience. We argue that the explicit, primitive-based nature of the emerging 3D Gaussian Splatting (3DGS) technique enables a more ideal paradigm: Continuous LoD (CLoD). A CLoD approach facilitates smooth, seamless quality scaling within a single, unified model, thereby circumventing the core problems of DLOD. To this end, we introduce CLoD-GS, a framework that integrates a continuous LoD mechanism directly into a 3DGS representation. Our method introduces a learnable, distance-dependent decay parameter for each Gaussian primitive, which dynamically adjusts its opacity based on viewpoint proximity. This allows for the progressive and smooth filtering of less significant primitives, effectively creating a continuous spectrum of detail within one model. To train this model to be robust across all distances, we introduce a virtual distance scaling mechanism and a novel coarse-to-fine training strategy with rendered point count regularization. Our approach not only eliminates the storage overhead and visual artifacts of discrete methods but also reduces the primitive count and memory footprint of the final model. Extensive experiments demonstrate that CLoD-GS achieves smooth, quality-scalable rendering from a single model, delivering high-fidelity results across a wide range of performance targets.
• Abstract（参考訳）: レベル・オブ・ディテール(LoD)は、視覚的忠実さを維持しながら複雑なシーンのレンダリングコストを管理するための、リアルタイムコンピュータグラフィックスの基本的な技術である。 伝統的に、LoDは離散レベル(DLoD)を使用して実装され、モデルの複数の異なるバージョンが異なる距離で交換される。 しかし、この長年のパラダイムは、2つの大きな欠点に悩まされている。複数のモデルコピーに対して大きなストレージが必要であり、移行中に視覚的な‘popping’アーティファクトをジャリングさせ、ユーザエクスペリエンスを劣化させる。 新たな3Dガウス・スプレイティング(3DGS)技法の明示的で原始的な性質は,より理想的なパラダイムであるContinuous LoD(CLoD)を可能にしている,と我々は主張する。 CLoDアプローチは、単一の統一モデル内でスムーズでシームレスな品質スケーリングを促進し、DLODの中核的な問題を回避する。 この目的のために,連続的なLoD機構を直接3DGS表現に統合するフレームワークであるCLoD-GSを紹介する。 本手法では,各ガウスプリミティブに対して学習可能な距離依存減衰パラメータを導入し,視点近距離に基づく不透明度を動的に調整する。 これにより、あまり重要でないプリミティブのプログレッシブでスムーズなフィルタリングが可能になり、効果的に1つのモデル内で詳細の連続スペクトルを作成できる。 このモデルを全距離にわたって堅牢にトレーニングするために、仮想距離スケーリング機構と、点数正規化を施した新しい粗大なトレーニング戦略を導入する。 我々のアプローチは、離散メソッドのストレージオーバーヘッドと視覚的アーティファクトを取り除くだけでなく、最終モデルのプリミティブカウントとメモリフットプリントを削減する。 大規模な実験により、CLoD-GSは1つのモデルからスムーズで高品質なレンダリングを実現し、幅広いパフォーマンス目標に対して高忠実性を実現している。

関連論文リスト

• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Intern-GS: Vision Model Guided Sparse-View 3D Gaussian Splatting [95.61137026932062]
  Intern-GSはスパースビューガウススプラッティングのプロセスを強化する新しいアプローチである。 Intern-GSは多様なデータセットにまたがって最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-05-27T05:17:49Z)
• GoDe: Gaussians on Demand for Progressive Level of Detail and Scalable Compression [13.616981296093932]
  本稿では,ガウスを複数の階層構造に整理する,新しいモデルに依存しない手法を提案する。 この手法は最近の3DGSの圧縮手法と組み合わせて、単一のモデルで複数の圧縮比を瞬時にスケールすることができる。 典型的なデータセットやベンチマークに対するアプローチを検証し、スケーラビリティと適応性の観点から、低歪みと実質的な利得を示す。
  論文  参考訳（メタデータ） (2025-01-23T11:05:45Z)
• A Lesson in Splats: Teacher-Guided Diffusion for 3D Gaussian Splats Generation with 2D Supervision [65.33043028101471]
  本稿では,2次元監視のみを用いた3次元画像調和拡散モデルの学習フレームワークを提案する。 既存の3D生成モデルは、大規模な3Dデータセットが不足しているため、完全に3Dの監視に依存している。
  論文  参考訳（メタデータ） (2024-12-01T00:29:57Z)
• SC-Diff: 3D Shape Completion with Latent Diffusion Models [4.261508855254493]
  マルチモーダル条件を統一する新しい3次元形状完備化フレームワークを提案する。 形状はTrncated Signed Distance Function (TSDF) として表現され、2Dと3Dのキューで共同で制御された離散潜在空間に符号化される。 提案手法は, フレキシブルなマルチモーダルコンディショニングにより生成過程をガイドし, 2次元情報と3次元情報の一貫した統合を保証する。
  論文  参考訳（メタデータ） (2024-03-19T06:01:11Z)

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。