論文の概要: Neo: Real-Time On-Device 3D Gaussian Splatting with Reuse-and-Update Sorting Acceleration

• arxiv url: http://arxiv.org/abs/2511.12930v1
• Date: Mon, 17 Nov 2025 03:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:24.637262
• Title: Neo: Real-Time On-Device 3D Gaussian Splatting with Reuse-and-Update Sorting Acceleration
• Title（参考訳）: Neo: Reuse-and-Update Sorting Accelerationによるリアルタイムオンデバイス3Dガウス撮影
• Authors: Changhun Oh, Seongryong Oh, Jinwoo Hwang, Yoonsung Kim, Hardik Sharma, Jongse Park,
• Abstract要約: 3D Gaussian Splatting (3DGS)レンダリングをリソース制約のあるデバイス上でリアルタイムにレンダリングすることは、没入型拡張現実(AR/VR)体験を実現する上で不可欠である。 既存のソリューションは、特に高解像度レンダリングにおいて、高いフレームレートを達成するのに苦労している。 本稿では,ガウス順序の時間的冗長性を利用した再利用・更新ソートアルゴリズムであるNeoを提案する。
• 参考スコア（独自算出の注目度）: 4.051115861577135
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) rendering in real-time on resource-constrained devices is essential for delivering immersive augmented and virtual reality (AR/VR) experiences. However, existing solutions struggle to achieve high frame rates, especially for high-resolution rendering. Our analysis identifies the sorting stage in the 3DGS rendering pipeline as the major bottleneck due to its high memory bandwidth demand. This paper presents Neo, which introduces a reuse-and-update sorting algorithm that exploits temporal redundancy in Gaussian ordering across consecutive frames, and devises a hardware accelerator optimized for this algorithm. By efficiently tracking and updating Gaussian depth ordering instead of re-sorting from scratch, Neo significantly reduces redundant computations and memory bandwidth pressure. Experimental results show that Neo achieves up to 10.0x and 5.6x higher throughput than state-of-the-art edge GPU and ASIC solution, respectively, while reducing DRAM traffic by 94.5% and 81.3%. These improvements make high-quality and low-latency on-device 3D rendering more practical.
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)レンダリングをリソース制約のあるデバイス上でリアルタイムにレンダリングすることは、没入型拡張現実(AR/VR)体験を実現する上で不可欠である。 しかし、既存のソリューションは特に高解像度レンダリングにおいて高いフレームレートを達成するのに苦労している。 本分析では,3DGSレンダリングパイプラインのソートステージを,メモリ帯域幅の要求が大きいため,大きなボトルネックとして認識する。 本稿では,連続するフレーム間でのガウス順序の時間的冗長性を利用した再利用・更新ソートアルゴリズムを導入し,このアルゴリズムに最適化されたハードウェアアクセラレータを考案する。 スクラッチからソートするのではなく、効率よくガウス深度順序をトラッキングし、更新することにより、Neoは冗長な計算とメモリ帯域幅の圧力を大幅に削減する。 実験の結果、Neoは最先端のGPUとASICソリューションよりも最大10.0xと5.6倍高いスループットを実現し、DRAMトラフィックを94.5%、81.3%削減した。 これらの改良により、高品質で低レイテンシなオンデバイス3Dレンダリングがより実用的になる。

関連論文リスト

• Accelerating 3D Gaussian Splatting with Neural Sorting and Axis-Oriented Rasterization [14.87046071090259]
  3D Gaussian Splatting (3DGS) は、最近、高品質で効率的なビュー合成において大きな注目を集めている。 アルゴリズムの性能は素晴らしいが、リソースに制約のあるデバイスのリアルタイムレンダリングは、厳しい電力と地域予算のために依然として大きな課題だ。
  論文  参考訳（メタデータ） (2025-06-08T10:14:54Z)
• LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
  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)
• Temporally Compressed 3D Gaussian Splatting for Dynamic Scenes [46.64784407920817]
  時間圧縮3Dガウススティング(TC3DGS)は動的3Dガウス表現を圧縮する新しい技術である。 複数のデータセットにまたがる実験により、T3DGSは最大67$times$圧縮を実現し、視覚的品質の劣化を最小限に抑えることができた。
  論文  参考訳（メタデータ） (2024-12-07T17:03:09Z)
• 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)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)

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。