論文の概要: Optimizing 3D Gaussian Splattering for Mobile GPUs
- arxiv url: http://arxiv.org/abs/2511.16298v1
- Date: Thu, 20 Nov 2025 12:25:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-21 17:08:52.613478
- Title: Optimizing 3D Gaussian Splattering for Mobile GPUs
- Title（参考訳）: モバイルGPUのための3次元ガウス散乱の最適化
- Authors: Md Musfiqur Rahman Sanim, Zhihao Shu, Bahram Afsharmanesh, AmirAli Mirian, Jiexiong Guan, Wei Niu, Bin Ren, Gagan Agrawal,
- Abstract要約: 本稿では,モバイルGPU用の3DGSを最適化したTexture3dgsを提案する。
モバイルプラットフォーム上での3DGSの計算をソートする手法として、Texture3dgsのコアは、新しいソートアルゴリズムである。
エンドツーエンドの評価では、Texture3dgsはソートと全体的な3Dシーンの再構築のために最大4.1$times$と1.7$times$のスピードアップを提供する。
- 参考スコア（独自算出の注目度）: 14.015831038307722
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image-based 3D scene reconstruction, which transforms multi-view images into a structured 3D representation of the surrounding environment, is a common task across many modern applications. 3D Gaussian Splatting (3DGS) is a new paradigm to address this problem and offers considerable efficiency as compared to the previous methods. Motivated by this, and considering various benefits of mobile device deployment (data privacy, operating without internet connectivity, and potentially faster responses), this paper develops Texture3dgs, an optimized mapping of 3DGS for a mobile GPU. A critical challenge in this area turns out to be optimizing for the two-dimensional (2D) texture cache, which needs to be exploited for faster executions on mobile GPUs. As a sorting method dominates the computations in 3DGS on mobile platforms, the core of Texture3dgs is a novel sorting algorithm where the processing, data movement, and placement are highly optimized for 2D memory. The properties of this algorithm are analyzed in view of a cost model for the texture cache. In addition, we accelerate other steps of the 3DGS algorithm through improved variable layout design and other optimizations. End-to-end evaluation shows that Texture3dgs delivers up to 4.1$\times$ and 1.7$\times$ speedup for the sorting and overall 3D scene reconstruction, respectively -- while also reducing memory usage by up to 1.6$\times$ -- demonstrating the effectiveness of our design for efficient mobile 3D scene reconstruction.
- Abstract（参考訳）: マルチビュー画像を周囲の環境の構造化された3次元表現に変換する画像ベース3Dシーン再構成は、現代の多くのアプリケーションにおいて一般的な課題である。
3D Gaussian Splatting (3DGS)はこの問題に対処するための新しいパラダイムであり、従来の手法と比較してかなり効率が良い。
モバイルGPU向けに最適化された3DGSマッピングであるTexture3dgsを開発する。
この領域における重要な課題は、2次元(2D)テクスチャキャッシュを最適化することにある。
モバイルプラットフォーム上での3DGSの計算をソートする方法として、Texture3dgsのコアは、処理、データ移動、配置を2Dメモリに高度に最適化する新しいソートアルゴリズムである。
このアルゴリズムの特性は,テクスチャキャッシュのコストモデルの観点から解析する。
さらに、3DGSアルゴリズムの他のステップを改良された可変レイアウト設計や他の最適化によって高速化する。
エンドツーエンドの評価では、Texture3dgsはソートと全体的な3Dシーン再構築のスピードアップをそれぞれ4.1$\times$と1.7$\times$で提供し、メモリ使用量を1.6$\times$に削減している。
関連論文リスト
- MemGS: Memory-Efficient Gaussian Splatting for Real-Time SLAM [14.099868154929794]
我々は、レンダリング品質を向上しつつ、GPUメモリ使用率の観点から既存の手法を改善した。
具体的には、SLAMにおける冗長な3次元ガウス原始体に対処するために、幾何学的類似性に基づくボクセル空間にそれらをマージすることを提案する。
これにより、システムランタイムのパフォーマンスに影響を与えることなく、GPUメモリ使用量を減らすことができる。
論文 参考訳（メタデータ） (2025-09-16T21:03:55Z) - 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) - 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) - MGStream: Motion-aware 3D Gaussian for Streamable Dynamic Scene Reconstruction [8.220734719165698]
MGStreamはモーション関連の3Dガウス(3DG)を使用して、静的な動作のために動的およびバニラ3DGを再構築する。
MGStreamは、レンダリング品質、トレーニング/ストレージ効率、時間的一貫性の観点から、既存の3DGSベースのアプローチを超越している。
論文 参考訳（メタデータ） (2025-05-20T02:26:14Z) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - 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) - 3DGS.zip: A survey on 3D Gaussian Splatting Compression Methods [10.122120872952296]
3次元ガウス散乱(3DGS)は実時間放射場レンダリングの最先端技術として登場している。
レンダリング速度と画像の忠実さの利点にもかかわらず、3DGSはその大きなストレージとメモリ要求によって制限されている。
本調査では3DGSをより効率的にするために開発された圧縮・圧縮技術について詳細に検討する。
論文 参考訳（メタデータ） (2024-06-17T11:43:38Z) - Lightplane: Highly-Scalable Components for Neural 3D Fields [54.59244949629677]
Lightplane RenderとSplatterは2D-3Dマッピングにおけるメモリ使用量を大幅に削減した。
これらのイノベーションは、メモリと計算コストの少ない、はるかに高解像度で高解像度の画像の処理を可能にする。
論文 参考訳（メタデータ） (2024-04-30T17:59:51Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - 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) - Text-to-3D using Gaussian Splatting [18.163413810199234]
本稿では,最新の最先端表現であるガウススプラッティングをテキストから3D生成に適用する新しい手法であるGSGENを提案する。
GSGENは、高品質な3Dオブジェクトを生成し、ガウススティングの明示的な性質を活用することで既存の欠点に対処することを目的としている。
我々の手法は繊細な細部と正確な形状で3Dアセットを生成することができる。
論文 参考訳（メタデータ） (2023-09-28T16:44:31Z)
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。