論文の概要: Constrained Dynamic Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2602.03538v1
• Date: Tue, 03 Feb 2026 13:53:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.484379
• Title: Constrained Dynamic Gaussian Splatting
• Title（参考訳）: 拘束された動的ガウススプレイティング
• Authors: Zihan Zheng, Zhenglong Wu, Xuanxuan Wang, Houqiang Zhong, Xiaoyun Zhang, Qiang Hu, Guangtao Zhai, Wenjun Zhang,
• Abstract要約: Constrained Dynamic Gaussian Splatting (CDGS)は、動的シーン再構成を予算制約付き最適化問題として定式化する新しいフレームワークである。 本報告では,CDGSは,最先端手法に比べて3倍以上の圧縮を実現し,キャパシティの限界下で最適なレンダリング品質を提供することを示す。
• 参考スコア（独自算出の注目度）: 47.982650444869336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Dynamic Gaussian Splatting enables high-fidelity 4D reconstruction, its deployment is severely hindered by a fundamental dilemma: unconstrained densification leads to excessive memory consumption incompatible with edge devices, whereas heuristic pruning fails to achieve optimal rendering quality under preset Gaussian budgets. In this work, we propose Constrained Dynamic Gaussian Splatting (CDGS), a novel framework that formulates dynamic scene reconstruction as a budget-constrained optimization problem to enforce a strict, user-defined Gaussian budget during training. Our key insight is to introduce a differentiable budget controller as the core optimization driver. Guided by a multi-modal unified importance score, this controller fuses geometric, motion, and perceptual cues for precise capacity regulation. To maximize the utility of this fixed budget, we further decouple the optimization of static and dynamic elements, employing an adaptive allocation mechanism that dynamically distributes capacity based on motion complexity. Furthermore, we implement a three-phase training strategy to seamlessly integrate these constraints, ensuring precise adherence to the target count. Coupled with a dual-mode hybrid compression scheme, CDGS not only strictly adheres to hardware constraints (error < 2%}) but also pushes the Pareto frontier of rate-distortion performance. Extensive experiments demonstrate that CDGS delivers optimal rendering quality under varying capacity limits, achieving over 3x compression compared to state-of-the-art methods.
• Abstract（参考訳）: Dynamic Gaussian Splattingは高忠実度4D再構成を可能にするが、その展開は基本的なジレンマによって著しく妨げられている。 本研究では,動的なシーン再構成を予算制約付き最適化問題として定式化して,厳密でユーザ定義のガウス的予算をトレーニング中に適用する新しいフレームワークであるConstrained Dynamic Gaussian Splatting (CDGS)を提案する。 私たちの重要な洞察は、コア最適化ドライバとして差別化可能な予算コントローラを導入することです。 マルチモーダル統合重要度スコアによって導かれるこのコントローラは、幾何学的、運動的、知覚的な手がかりを融合させ、正確なキャパシティ制御を行う。 この固定予算の有用性を最大化するために、静的および動的要素の最適化をさらに分離し、動きの複雑さに基づいてキャパシティを動的に分散するアダプティブアロケーション機構を用いる。 さらに,これらの制約をシームレスに統合し,目標数に正確に準拠する3段階のトレーニング戦略を実装した。 デュアルモードハイブリッド圧縮スキームと組み合わせて、CDGSはハードウェア制約(エラー<2%})に厳密に準拠するだけでなく、レート歪み性能のParetoフロンティアを推進している。 大規模な実験により、CDGSは様々なキャパシティ制限下で最適なレンダリング品質を提供し、最先端の手法と比較して3倍の圧縮を実現している。

関連論文リスト

• CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting [57.73006852239138]
  本稿では,3次元ガウススプラッティングの速度歪み最適化圧縮とセグメンテーションのための最初の統一フレームワークを提案する(3DGS)。 速度歪みに最適化された3DGS圧縮の最近の進歩に触発されたこの研究は、セマンティックラーニングを圧縮パイプラインに統合し、デコーダ側アプリケーションをサポートする。 提案方式は暗黙的ニューラル表現に基づくハイパープライアを特徴とし,色属性と意味属性の両方の効率的なエントロピー符号化を実現する。
  論文  参考訳（メタデータ） (2026-01-19T08:21:45Z)
• Content Adaptive based Motion Alignment Framework for Learned Video Compression [72.13599533975413]
  本稿では,コンテンツ適応型モーションアライメントフレームワークを提案する。 まず、粗いオフセット予測とマスク変調により動き補償を洗練させる2段階の流動誘導変形防止機構を導入する。 第2に,基準品質に基づいて歪み重みを調整するマルチ参照品質認識戦略を提案する。 第3に,スムーズな動き推定を得るために,フレームを大きさと解像度でダウンサンプルするトレーニングフリーモジュールを統合する。
  論文  参考訳（メタデータ） (2025-12-15T02:51:47Z)
• A Modular Algorithm for Non-Stationary Online Convex-Concave Optimization [10.66415966839617]
  目標は、性能の重要な指標である動的双対性ギャップ(D-DGap)を最小限にすることである。 既存のアルゴリズムは、特に静止環境や予測可能な環境で、最適な性能を提供できない。 提案アルゴリズムは,最小限のD-DGap上限を対数係数まで達成し,誤差駆動型D-DGap境界を確実にする。
  論文  参考訳（メタデータ） (2025-09-09T16:33:38Z)
• Gradient-Direction-Aware Density Control for 3D Gaussian Splatting [7.234328187876289]
  3D Gaussian Splatting (3DGS) は、明示的なシーン表現による新規なビュー合成が著しく進歩している。 既存のアプローチは、複雑なシナリオで2つの重要な制限を示す。 本稿では勾配方向対応型適応密度制御フレームワークGDAGSを提案する。
  論文  参考訳（メタデータ） (2025-08-12T13:12:54Z)
• Laplacian Analysis Meets Dynamics Modelling: Gaussian Splatting for 4D Reconstruction [9.911802466255653]
  本稿では,ハイブリッドな明示的関数を持つ動的3DGSフレームワークを提案する。 本手法は, 複雑な動的シーンを再構築する際の最先端性能を実証し, 再現精度を向上する。
  論文  参考訳（メタデータ） (2025-08-07T01:39:29Z)
• Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
  3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。 本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。 我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
  論文  参考訳（メタデータ） (2025-05-08T18:41:38Z)
• Micro-splatting: Multistage Isotropy-informed Covariance Regularization Optimization for High-Fidelity 3D Gaussian Splatting [1.5582756275568836]
  マイクロスプレイティング(Micro-Splatting)は、モデル複雑性を大幅に削減しつつ、視覚的詳細を保存する、統合されたトレーニング中のパイプラインである。 4つのオブジェクト中心のベンチマークでは、Micro-Splattingはスプレート数とモデルサイズを60%まで削減し、トレーニングを20%短縮する。 その結果、マイクロスプレイティングは、単一で効率的でエンドツーエンドのフレームワークにおいて、コンパクト性と高忠実性の両方を提供することを示した。
  論文  参考訳（メタデータ） (2025-04-08T07:15:58Z)
• Taming 3DGS: High-Quality Radiance Fields with Limited Resources [50.92437599516609]
  3D Gaussian Splatting (3DGS)は、高速で解釈可能で高忠実なレンダリングで新規ビュー合成を変換した。 予算で3DGSモデルをトレーニングし、レンダリングするという課題に取り組みます。 我々は、勾配計算と属性更新のための高速で数値的に等価な解を導出する。
  論文  参考訳（メタデータ） (2024-06-21T20:44:23Z)
• Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
  本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。 我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。 アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
  論文  参考訳（メタデータ） (2022-10-31T17:59:29Z)

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。