論文の概要: QuantumGS: Quantum Encoding Framework for Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2602.05047v1
• Date: Wed, 04 Feb 2026 20:56:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.615026
• Title: QuantumGS: Quantum Encoding Framework for Gaussian Splatting
• Title（参考訳）: QuantumGS: ガウススティングのための量子符号化フレームワーク
• Authors: Grzegorz Wilczyński, Rafał Tobiasz, Paweł Gora, Marcin Mazur, Przemysław Spurek,
• Abstract要約: 本稿では,変分量子回路をガウススプラッティングパイプラインに統合する新しいフレームワークQuantumGSを紹介する。 本稿では,3次元方向データを表現するために,キュービットの自然な幾何学を利用して,ビュー方向をブロッホ球に直接マッピングするユニークな符号化手法を提案する。
• 参考スコア（独自算出の注目度）: 2.437041249372514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in neural rendering, particularly 3D Gaussian Splatting (3DGS), have enabled real-time rendering of complex scenes. However, standard 3DGS relies on spherical harmonics, which often struggle to accurately capture high-frequency view-dependent effects such as sharp reflections and transparency. While hybrid approaches like Viewing Direction Gaussian Splatting (VDGS) mitigate this limitation using classical Multi-Layer Perceptrons (MLPs), they remain limited by the expressivity of classical networks in low-parameter regimes. In this paper, we introduce QuantumGS, a novel hybrid framework that integrates Variational Quantum Circuits (VQC) into the Gaussian Splatting pipeline. We propose a unique encoding strategy that maps the viewing direction directly onto the Bloch sphere, leveraging the natural geometry of qubits to represent 3D directional data. By replacing classical color-modulating networks with quantum circuits generated via a hypernetwork or conditioning mechanism, we achieve higher expressivity and better generalization. Source code is available in the supplementary material. Code is available at https://github.com/gwilczynski95/QuantumGS
• Abstract（参考訳）: ニューラルレンダリングの最近の進歩、特に3Dガウススプラッティング(3DGS)は、複雑なシーンのリアルタイムレンダリングを可能にしている。 しかし、標準的な3DGSは球面高調波に依存しており、しばしば鋭い反射や透過のような高周波の視界依存効果を正確に捉えるのに苦労する。 Viewing Direction Gaussian Splatting (VDGS) のようなハイブリッドなアプローチは、古典的マルチ層パーセプトロン(MLP)を用いてこの制限を緩和するが、それらは低パラメータ状態における古典的ネットワークの表現性によって制限される。 本稿では,変分量子回路(VQC)をガウススプラッティングパイプラインに統合する新しいハイブリッドフレームワークであるQuantumGSを紹介する。 本稿では,3次元方向データを表現するために,キュービットの自然な幾何学を利用して,ビュー方向をブロッホ球に直接マッピングするユニークな符号化手法を提案する。 従来のカラー変調ネットワークをハイパーネットワークやコンディショニング機構によって生成された量子回路に置き換えることで、より高い表現性とより優れた一般化を実現する。 ソースコードは補足資料で入手できる。 コードはhttps://github.com/gwilczynski95/QuantumGSで入手できる。

関連論文リスト

• SCAR-GS: Spatial Context Attention for Residuals in Progressive Gaussian Splatting [0.37515646463759694]
  従来の手法を、より強力な残留ベクトル量子化アプローチで置き換える3次元ガウススプラッティングのための新しいプログレッシブ合成を導入する。 我々の重要な貢献は、連続した送信インデックスの条件確率を正確に予測する多分解能ハッシュグリッドによって導かれる自己回帰エントロピーモデルである。
  論文  参考訳（メタデータ） (2026-01-07T19:34:51Z)
• Quantile Rendering: Efficiently Embedding High-dimensional Feature on 3D Gaussian Splatting [52.18697134979677]
  コンピュータビジョンの最近の進歩は、3Dガウススプラッティング(3D-GS)を活用して、OVS(Open-vocabulary segmentation)を3Dドメインに拡張することに成功している。 既存の方法はコードブックや特徴圧縮を採用しており、情報損失を引き起こし、セグメンテーションの品質が低下する。 本稿では,高忠実度を維持しながら高次元特徴を効率的に処理する3次元ガウスの新たなレンダリング戦略であるQuantile Rendering(Q-Render)を紹介する。 本フレームワークは,512次元特徴写像上での43.7倍の高速化でリアルタイムレンダリングを実現するとともに,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2025-12-24T04:16:18Z)
• HyRF: Hybrid Radiance Fields for Memory-efficient and High-quality Novel View Synthesis [11.71939856454585]
  HyRF(Hybrid Radiance Fields)は、明示的なガウスとニューラルフィールドの強みを組み合わせた、新しいシーン表現である。 HyRFは3DGSに比べてモデルサイズを20倍以上削減しつつ、最先端のレンダリング品質を実現している。
  論文  参考訳（メタデータ） (2025-09-21T13:59:26Z)
• ${C}^{3}$-GS: Learning Context-aware, Cross-dimension, Cross-scale Feature for Generalizable Gaussian Splatting [16.868578618340262]
  Generalizable Gaussian Splattingは、シーンごとの最適化なしに、見えないシーンのための新しいビューを合成することを目的としている。 本稿では,コンテキスト認識,クロスディメンジョン,クロススケール制約を取り入れた特徴学習を支援するフレームワークであるmathbfC3$-GSを提案する。 我々のアーキテクチャは、3つの軽量モジュールを統合レンダリングパイプラインに統合し、機能融合を改善し、追加の監視を必要とせずに合成を可能にする。
  論文  参考訳（メタデータ） (2025-08-28T13:12:18Z)
• FlexGS: Train Once, Deploy Everywhere with Many-in-One Flexible 3D Gaussian Splatting [57.97160965244424]
  3Dガウススプラッティング(3DGS)は、3Dシーン表現や新しいビュー合成に様々な応用を可能にしている。 従来のアプローチでは、重要でないガウス人を刈り取ることに重点を置いており、3DGSを効果的に圧縮している。 本稿では3DGSの弾性推論手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T17:17:57Z)
• ContextGS: Compact 3D Gaussian Splatting with Anchor Level Context Model [77.71796503321632]
  我々は3DGS表現のアンカーレベルにコンテキストモデルを導入し,バニラ3DGSと比較して100倍以上のサイズの縮小を実現した。 我々の研究は3DGS表現のためのアンカーレベルのコンテキストモデルを開拓し、バニラ3DGSに比べて100倍以上、そして最新の最先端のScaffold-GSに比べて15倍の大幅なサイズ縮小を実現した。
  論文  参考訳（メタデータ） (2024-05-31T09:23:39Z)
• HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression [55.6351304553003]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成のための有望なフレームワークとして登場した。 高速な3DGS表現のためのHash-grid Assisted Context (HAC) フレームワークを提案する。 私たちの研究は、コンテキストベースの3DGS表現の圧縮を探求するパイオニアです。
  論文  参考訳（メタデータ） (2024-03-21T16:28:58Z)

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。