論文の概要: ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization

• arxiv url: http://arxiv.org/abs/2512.14039v1
• Date: Tue, 16 Dec 2025 03:13:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.562264
• Title: ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization
• Title（参考訳）: ASAP-Textured Gaussian:Adaptive Smplingと異方性パラメタライゼーションによるテクスチャリングガウスの強化
• Authors: Meng Wei, Cheng Zhang, Jianmin Zheng, Hamid Rezatofighi, Jianfei Cai,
• Abstract要約: 3Dガウススメッティングは、空間的に異なる属性をキャプチャするためのテクスチャパラメータ化を持つ。 テクスチャは通常標準空間で定義され、非効率なサンプリングにつながる。 提案したASAP Textured Gaussian は品質効率のトレードオフを大幅に改善し,テクスチャパラメータをはるかに少ない高忠実度レンダリングを実現した。
• 参考スコア（独自算出の注目度）: 51.51724817131134
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advances have equipped 3D Gaussian Splatting with texture parameterizations to capture spatially varying attributes, improving the performance of both appearance modeling and downstream tasks. However, the added texture parameters introduce significant memory efficiency challenges. Rather than proposing new texture formulations, we take a step back to examine the characteristics of existing textured Gaussian methods and identify two key limitations in common: (1) Textures are typically defined in canonical space, leading to inefficient sampling that wastes textures' capacity on low-contribution regions; and (2) texture parameterization is uniformly assigned across all Gaussians, regardless of their visual complexity, resulting in over-parameterization. In this work, we address these issues through two simple yet effective strategies: adaptive sampling based on the Gaussian density distribution and error-driven anisotropic parameterization that allocates texture resources according to rendering error. Our proposed ASAP Textured Gaussians, short for Adaptive Sampling and Anisotropic Parameterization, significantly improve the quality efficiency tradeoff, achieving high-fidelity rendering with far fewer texture parameters.
• Abstract（参考訳）: 近年,3次元ガウススメッティングとテクスチャパラメータ化を併用して,空間的に異なる属性を捕捉し,外観モデルと下流タスクの性能を向上させる技術が開発されている。 しかし、テクスチャパラメータを追加することで、メモリ効率に大きな課題がもたらされる。 新しいテクスチャの定式化を提案するのではなく、既存のテクスチャ化ガウス法の特徴を検証し、共通する2つの重要な限界を同定する。(1)テクスチャは典型的に標準空間で定義され、低コントリビューション領域でテクスチャの容量を浪費する非効率サンプリングにつながる。(2)テクスチャのパラメータ化は、視覚的複雑さに関係なく全ガウス人に均一に割り当てられ、過度なパラメータ化をもたらす。 本研究では、ガウス密度分布に基づく適応サンプリングと、レンダリングエラーに応じてテクスチャリソースを割り当てる誤差駆動型異方性パラメータ化の2つの単純な方法により、これらの課題に対処する。 アダプティブサンプリングと異方性パラメータ化を略したASAPテクスチャ付きガウシアンを提案し, 精度のトレードオフを著しく改善し, テクスチャパラメータをはるかに少ない高忠実度レンダリングを実現した。

関連論文リスト

• FACT-GS: Frequency-Aligned Complexity-Aware Texture Reparameterization for 2D Gaussian Splatting [10.495318519671963]
  テクスチュアベースのガウスアンは、局所的な視覚的複雑さに関係なく同じサンプリング密度を割り当てる一様一様サンプリンググリッドで外観をパラメータ化する。 FACT-GSは、局所的な視覚周波数に応じてテクスチャサンプリング密度を割り当てる、周波数対応複雑度対応テクスチャ・ガウシアン・スプレイティング・フレームワークである。
  論文  参考訳（メタデータ） (2025-11-28T15:47:29Z)
• OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction [10.746979229164815]
  OMeGaは、明示的な三角形メッシュと2Dガウススプラットを共同で最適化するエンドツーエンドフレームワークである。 OMeGaは、挑戦的な屋内再構築ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-29T05:43:40Z)
• Multi-Sample Anti-Aliasing and Constrained Optimization for 3D Gaussian Splatting [6.336372495476242]
  本稿では,マルチサンプル・アンチエイリアスと2つの幾何学的制約を組み合わせた総合最適化フレームワークを提案する。 本システムでは,4重サブサンプルの適応ブレンディングにより画素色を計算し,高周波成分のエイリアスを効果的に低減する。 本手法は,特に高周波テクスチャと鋭い不連続の保存において,詳細な保存における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-08-14T10:14:36Z)
• GPS-Gaussian+: Generalizable Pixel-wise 3D Gaussian Splatting for Real-Time Human-Scene Rendering from Sparse Views [67.34073368933814]
  スパースビューカメラ設定下での高解像度画像レンダリングのための一般化可能なガウススプラッティング手法を提案する。 我々は,人間のみのデータや人景データに基づいてガウスパラメータ回帰モジュールをトレーニングし,深度推定モジュールと共同で2次元パラメータマップを3次元空間に引き上げる。 いくつかのデータセットに対する実験により、我々の手法はレンダリング速度を超越しながら最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-18T08:18:44Z)
• High-Fidelity SLAM Using Gaussian Splatting with Rendering-Guided Densification and Regularized Optimization [8.845446246585215]
  本稿では,3次元ガウススプラッティングに基づく高密度RGBD SLAMシステムを提案する。 近年のニューラルかつ並列に開発されたガウススプラッティング RGBD SLAM ベースラインと比較して,本手法は合成データセット Replica の最先端結果と実世界のデータセット TUM の競合結果を得る。
  論文  参考訳（メタデータ） (2024-03-19T08:19:53Z)
• 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)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)

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。