Fugu-MT 論文翻訳(概要): Sketch&Patch++: Efficient Structure-Aware 3D Gaussian Representation

論文の概要: Sketch&Patch++: Efficient Structure-Aware 3D Gaussian Representation

arxiv url: http://arxiv.org/abs/2601.05394v1
Date: Thu, 08 Jan 2026 21:32:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-12 17:41:49.781084
Title: Sketch&Patch++: Efficient Structure-Aware 3D Gaussian Representation
Title（参考訳）: Sketch&Patch++: 効率的な構造認識型3Dガウス表現
Authors: Yuang Shi, Simone Gasparini, Géraldine Morin, Wei Tsang Ooi,
Abstract要約: 本稿では, ガウスを(i) 高周波数, 境界定義特徴を表すSketch Gaussian, (ii) 低周波数, 滑らかな領域をカバーするPatch Gaussianに分類するハイブリッド表現を提案する。提案手法では,適応的品質駆動型精細化と合わせて,マルチクレータ密度に基づくクラスタリングを用いる。この構造対応表現は、帯域制限されたネットワークとリソース制限されたデバイス間で、効率的なストレージ、適応ストリーミング、高忠実度3Dコンテンツのレンダリングを可能にする。
参考スコア（独自算出の注目度）: 5.17519482656693
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We observe that Gaussians exhibit distinct roles and characteristics analogous to traditional artistic techniques -- like how artists first sketch outlines before filling in broader areas with color, some Gaussians capture high-frequency features such as edges and contours, while others represent broader, smoother regions analogous to brush strokes that add volume and depth. Based on this observation, we propose a hybrid representation that categorizes Gaussians into (i) Sketch Gaussians, which represent high-frequency, boundary-defining features, and (ii) Patch Gaussians, which cover low-frequency, smooth regions. This semantic separation naturally enables layered progressive streaming, where the compact Sketch Gaussians establish the structural skeleton before Patch Gaussians incrementally refine volumetric detail. In this work, we extend our previous method to arbitrary 3D scenes by proposing a novel hierarchical adaptive categorization framework that operates directly on the 3DGS representation. Our approach employs multi-criteria density-based clustering, combined with adaptive quality-driven refinement. This method eliminates dependency on external 3D line primitives while ensuring optimal parametric encoding effectiveness. Our comprehensive evaluation across diverse scenes, including both man-made and natural environments, demonstrates that our method achieves up to 1.74 dB improvement in PSNR, 6.7% in SSIM, and 41.4% in LPIPS at equivalent model sizes compared to uniform pruning baselines. For indoor scenes, our method can maintain visual quality with only 0.5\% of the original model size. This structure-aware representation enables efficient storage, adaptive streaming, and rendering of high-fidelity 3D content across bandwidth-constrained networks and resource-limited devices.
Abstract（参考訳）: ガウス人が伝統的な芸術技法と類似した役割や特徴を示すのが観察されている。例えば、アーティストが色のある広い領域を埋める前にアウトラインをスケッチする方法、ガウス人が縁や輪郭のような高周波の特徴を捉えている例、そして他のものは、体積と深さを増すブラッシングストロークに似た、より広く滑らかな領域を表現している例などである。この観測に基づいて、ガウスを分類するハイブリッド表現を提案する。一高周波境界定義特徴を表すスケッチガウシアン及び (ii)低周波で滑らかな地域をカバーするパッチガウシアン。このセマンティック分離は自然に階層化されたプログレッシブストリーミングを可能にし、コンパクトなSketch GaussianがPatch Gaussiansが徐々にボリュームの詳細を洗練する前に構造的骨格を確立する。本研究では,従来の手法を任意の3Dシーンに拡張し,新しい階層型適応分類フレームワークを提案する。提案手法では,適応的品質駆動型精細化と合わせて,マルチクレータ密度に基づくクラスタリングを用いる。この方法は、最適パラメトリック符号化の有効性を確保しつつ、外部の3D線プリミティブへの依存をなくす。人為的・自然的環境を含む多種多様な場面を包括的に評価した結果,PSNRが1.74dB,SSIMが6.7%,LPIPSが41.4%向上した。室内シーンでは,オリジナルモデルの0.5倍の画質で視覚的品質を維持することができる。この構造対応表現は、帯域制限されたネットワークとリソース制限されたデバイス間で、効率的なストレージ、適応ストリーミング、高忠実度3Dコンテンツのレンダリングを可能にする。

関連論文リスト

Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
論文参考訳（メタデータ） (2026-01-05T18:33:50Z)
DensifyBeforehand: LiDAR-assisted Content-aware Densification for Efficient and Quality 3D Gaussian Splatting [1.5576275034099496]
本稿では,Sparse LiDARデータと対応するRGB画像からの単眼深度推定を組み合わせ,既存の3次元ガウス散乱(3DGS)法の限界に対処する。我々のROI対応サンプリング手法は意味的にも幾何学的にも重要な領域を優先し、密度の高い点雲を生成する。本手法は,資源消費とトレーニング時間を著しく削減しつつ,最先端技術に匹敵する結果が得られる。
論文参考訳（メタデータ） (2025-11-24T16:39:13Z)
GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering [50.675710727721786]
2次元基礎モデルと3次元ガウススプラッティング再構成をブリッジするハイブリッド手法であるGauSSmartを提案する。提案手法は,凸フィルタリングや意味的特徴監視など,確立した2次元コンピュータビジョン技術を統合している。 GauSSmartは既存のGaussian Splattingよりも一貫して優れています。
論文参考訳（メタデータ） (2025-10-16T03:38:26Z)
GDGS: 3D Gaussian Splatting Via Geometry-Guided Initialization And Dynamic Density Control [6.91367883100748]
Gaussian Splattingは、リアルタイムのパフォーマンスをサポートしながら、リアルな画像をレンダリングする代替手段である。本稿では,初期化,最適化,密度制御における課題に対処するため,3次元ガウス分割法(3DGS)citeKerbl2023を提案する。提案手法は,高忠実度画像をリアルタイムにレンダリングすることで,最先端の手法に匹敵する,あるいは優れた結果を示す。
論文参考訳（メタデータ） (2025-07-01T01:29:31Z)
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)
LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
線形プリミティブに基づく2つの新しいシーン表現を導入する。我々はGPU上で効率的に動作する異なるオクタライザを提案する。我々は最先端の手法に匹敵する性能を示す。
論文参考訳（メタデータ） (2025-01-27T18:49:38Z)
Sketch and Patch: Efficient 3D Gaussian Representation for Man-Made Scenes [3.9241077704550777]
3D Gaussian Splattingは、3Dシーンのレンダリングのための有望な表現として登場した。我々はガウス人が伝統的な芸術技法に類似した異なる役割と特徴を示すことを観察する。本研究では,ガウスを(i)シーン境界を定義するスケッチガウス,(ii)滑らかな領域をカバーするパッチガウスに分類する新しいハイブリッド表現を提案する。
論文参考訳（メタデータ） (2025-01-22T17:52:45Z)
CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
論文参考訳（メタデータ） (2024-04-15T04:50:39Z)

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。