論文の概要: EGGS: Exchangeable 2D/3D Gaussian Splatting for Geometry-Appearance Balanced Novel View Synthesis
- arxiv url: http://arxiv.org/abs/2512.02932v1
- Date: Tue, 02 Dec 2025 17:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.973409
- Title: EGGS: Exchangeable 2D/3D Gaussian Splatting for Geometry-Appearance Balanced Novel View Synthesis
- Title（参考訳）: EGGS:Geometry-Adearance Balanced Novel View Synthesisのための交換可能な2D/3Dガウス格子
- Authors: Yancheng Zhang, Guangyu Sun, Chen Chen,
- Abstract要約: 新しいビュー合成(NVS)はコンピュータビジョンとグラフィックスにおいて重要であり、AR、VR、自律運転に広く応用されている。
3D Gaussian Splatting (3DGS)は外観の忠実度の高いリアルタイムレンダリングを可能にするが、多視点の不整合に悩まされ、幾何的精度が制限される。
本稿では,2次元と3次元のガウスを一体化して外観と幾何学のバランスをとるハイブリッド表現であるExchangeable Gaussian Splatting (EGGS)を提案する。
- 参考スコア（独自算出の注目度）: 7.477152296481101
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Novel view synthesis (NVS) is crucial in computer vision and graphics, with wide applications in AR, VR, and autonomous driving. While 3D Gaussian Splatting (3DGS) enables real-time rendering with high appearance fidelity, it suffers from multi-view inconsistencies, limiting geometric accuracy. In contrast, 2D Gaussian Splatting (2DGS) enforces multi-view consistency but compromises texture details. To address these limitations, we propose Exchangeable Gaussian Splatting (EGGS), a hybrid representation that integrates 2D and 3D Gaussians to balance appearance and geometry. To achieve this, we introduce Hybrid Gaussian Rasterization for unified rendering, Adaptive Type Exchange for dynamic adaptation between 2D and 3D Gaussians, and Frequency-Decoupled Optimization that effectively exploits the strengths of each type of Gaussian representation. Our CUDA-accelerated implementation ensures efficient training and inference. Extensive experiments demonstrate that EGGS outperforms existing methods in rendering quality, geometric accuracy, and efficiency, providing a practical solution for high-quality NVS.
- Abstract（参考訳）: 新しいビュー合成(NVS)はコンピュータビジョンとグラフィックスにおいて重要であり、AR、VR、自律運転に広く応用されている。
3D Gaussian Splatting (3DGS)は外観の忠実度の高いリアルタイムレンダリングを可能にするが、多視点の不整合に悩まされ、幾何的精度が制限される。
対照的に、2D Gaussian Splatting (2DGS)はマルチビューの一貫性を強制するが、テクスチャの詳細を妥協する。
これらの制約に対処するために,2次元と3次元のガウスアンを統合し,外観と幾何学のバランスをとるハイブリッド表現であるExchangeable Gaussian Splatting (EGGS)を提案する。
これを実現するために,統合レンダリングのためのハイブリッドガウスラスタライゼーション,2次元ガウスと3次元ガウスの動的適応のための適応型交換,および各ガウス表現の強みを効果的に活用する周波数分離最適化を導入する。
CUDAを高速化した実装は、効率的なトレーニングと推論を可能にします。
広範囲な実験により、EGGSはレンダリング品質、幾何精度、効率において既存の手法よりも優れており、高品質なNVSの実用的なソリューションを提供する。
関連論文リスト
- 2DGS-R: Revisiting the Normal Consistency Regularization in 2D Gaussian Splatting [21.933933778984954]
幾何学的精度を維持しつつレンダリング品質を向上させるために階層的トレーニングアプローチを用いた2DGS-Rを提案する。
従来の2DGSと比較して、我々の方法は1%のストレージと最小限のトレーニング時間しか必要としない。
これらの結果から,本手法は効率と性能のバランスを効果的に保ち,視覚的忠実度と幾何的再構成の精度が向上することが示唆された。
論文 参考訳（メタデータ） (2025-10-19T13:52:29Z) - Gaussian Opacity Fields: Efficient Adaptive Surface Reconstruction in Unbounded Scenes [50.92217884840301]
Gaussian Opacity Fields (GOF)は、シーンにおける効率的で高品質で適応的な表面再構成のための新しいアプローチである。
GOFは3Dガウスのレイトレーシングに基づくボリュームレンダリングに由来する。
GOFは、表面再構成と新しいビュー合成において、既存の3DGSベースの手法を超越している。
論文 参考訳（メタデータ） (2024-04-16T17:57:19Z) - 2D Gaussian Splatting for Geometrically Accurate Radiance Fields [50.056790168812114]
3D Gaussian Splatting (3DGS)は近年,高画質の新規ビュー合成と高速レンダリングを実現し,放射界再構成に革命をもたらした。
多視点画像から幾何学的精度の高い放射場をモデル化・再構成するための新しいアプローチである2DGS(2D Gaussian Splatting)を提案する。
競合する外観品質、高速トレーニング速度、リアルタイムレンダリングを維持しつつ、ノイズフリーかつ詳細な幾何学的再構成を可能にする。
論文 参考訳（メタデータ） (2024-03-26T17:21:24Z) - Spec-Gaussian: Anisotropic View-Dependent Appearance for 3D Gaussian Splatting [55.71424195454963]
Spec-Gaussian は球面調和の代わりに異方性球面ガウス場を利用するアプローチである。
実験結果から,本手法はレンダリング品質の面で既存の手法を超越していることが示された。
この改良は、3D GSの適用性を高めて、特異面と異方面の複雑なシナリオを扱う。
論文 参考訳（メタデータ） (2024-02-24T17:22:15Z)
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。