論文の概要: Complex-Valued 2D Gaussian Representation for Computer-Generated Holography
- arxiv url: http://arxiv.org/abs/2511.15022v1
- Date: Wed, 19 Nov 2025 01:41:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-20 15:51:28.586873
- Title: Complex-Valued 2D Gaussian Representation for Computer-Generated Holography
- Title（参考訳）: コンピュータホログラフィーのための複素値2次元ガウス表現
- Authors: Yicheng Zhan, Xiangjun Gao, Long Quan, Kaan Akşit,
- Abstract要約: 構造付き複素数値2次元ガウスプリミティブに基づく新しいホログラム表現を提案する。
ホログラムパラメータ探索空間を小さくすることで,次世代のコンピュータ生成ホログラフィシステムにおいて,よりスケーラブルなホログラム推定が可能となる。
- 参考スコア（独自算出の注目度）: 8.809623258601201
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose a new hologram representation based on structured complex-valued 2D Gaussian primitives, which replaces per-pixel information storage and reduces the parameter search space by up to 10:1. To enable end-to-end training, we develop a differentiable rasterizer for our representation, integrated with a GPU-optimized light propagation kernel in free space. Our extensive experiments show that our method achieves up to 2.5x lower VRAM usage and 50% faster optimization while producing higher-fidelity reconstructions than existing methods. We further introduce a conversion procedure that adapts our representation to practical hologram formats, including smooth and random phase-only holograms. Our experiments show that this procedure can effectively suppress noise artifacts observed in previous methods. By reducing the hologram parameter search space, our representation enables a more scalable hologram estimation in the next-generation computer-generated holography systems.
- Abstract（参考訳）: 構成された複素数値2Dガウスプリミティブに基づく新しいホログラム表現を提案し、画素ごとの情報記憶を置き換え、パラメータ探索空間を最大10:1まで削減する。
エンド・ツー・エンドのトレーニングを可能にするために,自由空間におけるGPU最適化光伝搬カーネルと統合した,表現の微分可能なラスタライザを開発した。
提案手法は,従来の手法に比べて最大2.5倍のVRAM使用率,50%高速な最適化を実現し,高忠実度再構成を実現している。
さらに、スムーズかつランダムな位相のみのホログラムを含む、実用的なホログラム形式に我々の表現を適応させる変換手順を導入する。
実験により, 従来手法で観測されていたノイズアーチファクトを効果的に抑制できることが確認された。
ホログラムパラメータ探索空間を小さくすることで,次世代のコンピュータ生成ホログラフィシステムにおいて,よりスケーラブルなホログラム推定が可能となる。
関連論文リスト
- Contour Information Aware 2D Gaussian Splatting for Image Representation [0.0]
本稿では,Contour Information-Aware 2D Gaussian Splattingフレームワークを提案する。
提案手法は,既存の2DGS法と比較して,オブジェクトエッジ周辺の再現性が高い。
論文 参考訳（メタデータ） (2025-12-29T07:24:36Z) - Complex-Valued Holographic Radiance Fields [9.050557698554696]
複雑な値のガウス原始体を用いて3次元ガウススプラッティングを再構成し、光波によるレンダリングのサポートを拡大する。
本手法は最先端の手法と比較して,画像品質を維持しつつ,30x-10,000倍の高速化を実現している。
論文 参考訳（メタデータ） (2025-06-10T02:09:04Z) - EigenGS Representation: From Eigenspace to Gaussian Image Space [20.454762899389358]
EigenGSは、固有空間と画像空間のガウス表現を接続する効率的な変換パイプラインである。
EigenGSは直接2次元ガウスフィッティングよりも優れた再現性が得られることを示す。
結果は,様々な解像度と多様なカテゴリを持つ画像に対して,EigenGSの有効性と一般化能力を強調した。
論文 参考訳（メタデータ） (2025-03-10T15:27:03Z) - LIFe-GoM: Generalizable Human Rendering with Learned Iterative Feedback Over Multi-Resolution Gaussians-on-Mesh [102.24454703207194]
スパース入力からのアニマタブルな人間のアバターの一般的なレンダリングは、大規模データのトレーニングから抽出されたデータ先行と誘導バイアスに依存する。
本稿では,再建過程における標準的な人体形状表現を逐次改善する反復的フィードバック更新フレームワークを提案する。
提案手法は,1秒未満のスパース入力からアニマタブルな表現を再構成し,95.1FPSのビューを1024×1024$でレンダリングし,THuman2.0上でPSNR/LPIPS*/FIDの24.65/110.82/51.27を達成する。
論文 参考訳（メタデータ） (2025-02-13T18:59:19Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - HiFi4G: High-Fidelity Human Performance Rendering via Compact Gaussian
Splatting [48.59338619051709]
HiFi4Gは、高密度映像からの高忠実度人間パフォーマンスレンダリングのための、明示的でコンパクトなガウスベースのアプローチである。
圧縮速度は25回程度で、1フレームあたり2MB未満である。
論文 参考訳（メタデータ） (2023-12-06T12:36:53Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳（メタデータ） (2023-12-04T18:59:55Z) - LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。
ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。
LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
論文 参考訳（メタデータ） (2023-11-28T21:39:20Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z) - Learned holographic light transport [2.642698101441705]
ホログラフィーアルゴリズムはしばしば物理ホログラフィーディスプレイの結果と一致するシミュレーションで不足する。
我々の研究はホログラフィックディスプレイのホログラフィック光輸送を学習することで、このミスマッチに対処する。
本手法はホログラフィックディスプレイのシミュレーション精度と画質を劇的に向上させることができる。
論文 参考訳（メタデータ） (2021-08-01T12:05:33Z) - CUDA-Optimized real-time rendering of a Foveated Visual System [5.260841516691153]
本稿では,GPUを用いて高速(165Hz)でガウス画像(1920x1080)を効率よく生成する手法を提案する。
提案手法は生体人工エージェント間の空間変動処理の需要を満たし,既存システム上で容易にフォベーションを付加できる。
論文 参考訳（メタデータ） (2020-12-15T22:43:04Z)
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。