論文の概要: ImprovedGS+: A High-Performance C++/CUDA Re-Implementation Strategy for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2603.08661v1
• Date: Mon, 09 Mar 2026 17:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:16.616238
• Title: ImprovedGS+: A High-Performance C++/CUDA Re-Implementation Strategy for 3D Gaussian Splatting
• Title（参考訳）: ImprovedGS+: 3Dガウススティングのための高性能C++/CUDA再実装戦略
• Authors: Jordi Muñoz Vicente,
• Abstract要約: ImprovedGS 戦略の高性能かつ低レベルな再発明である ImprovedGS+ を提案する。 高レベルのPythonロジックからハードウェア最適化のC++/CUDAカーネルに移行することで、ホストデバイス同期とトレーニングレイテンシを大幅に削減できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in 3D Gaussian Splatting (3DGS) have shifted the focus toward balancing reconstruction fidelity with computational efficiency. In this work, we propose ImprovedGS+, a high-performance, low-level reinvention of the ImprovedGS strategy, implemented natively within the LichtFeld-Studio framework. By transitioning from high-level Python logic to hardware-optimized C++/CUDA kernels, we achieve a significant reduction in host-device synchronization and training latency. Our implementation introduces a Long-Axis-Split (LAS) CUDA kernel, custom Laplacian-based importance kernels with Non-Maximum Suppression (NMS) for edge scores, and an adaptive Exponential Scale Scheduler. Experimental results on the Mip-NeRF360 dataset demonstrate that ImprovedGS+ establishes a new Pareto-optimal front for scene reconstruction. Our 1M-budget variant outperforms the state-of-the-art MCMC baseline by achieving a 26.8% reduction in training time (saving 17 minutes per session) and utilizing 13.3% fewer Gaussians while maintaining superior visual quality. Furthermore, our full variant demonstrates a 1.28 dB PSNR increase over the ADC baseline with a 38.4% reduction in parametric complexity. These results validate ImprovedGS+ as a scalable, high-speed solution that upholds the core pillars of Speed, Quality, and Usability within the LichtFeld-Studio ecosystem.
• Abstract（参考訳）: 近年の3Dガウスめっき(3DGS)の進歩は、再構成忠実度と計算効率のバランスに焦点を移している。 本稿では,LichtFeld-Studio フレームワーク内でネイティブに実装された ImprovedGS 戦略の高性能かつ低レベルな再発明である ImprovedGS+ を提案する。 高レベルのPythonロジックからハードウェア最適化のC++/CUDAカーネルに移行することで、ホストデバイス同期とトレーニングレイテンシを大幅に削減できる。 本実装では、Long-Axis-Split (LAS) CUDAカーネル、エッジスコアのためのNon-Maximum Suppression (NMS)を備えたラプラシアンベースのカスタム重要カーネル、および適応型指数スケールスケジューラを導入している。 Mip-NeRF360データセットによる実験結果から,ImprovedGS+はシーン再構築のための新しいパレート最適化フロントを確立することが示された。 1M-Budget はトレーニング時間 (セッションあたり17分) を26.8%削減し, 優れた視覚的品質を維持しつつ, 13.3% のガウスを有効利用することにより, 最先端のMCMCベースラインよりも優れていた。 さらに,ADCベースラインよりも1.28dBのPSNRが増加し,パラメトリックな複雑さが38.4%減少した。 これらの結果は、LichtFeld-Studioエコシステム内のSpeed, Quality, Usabilityのコア柱を支えているスケーラブルで高速なソリューションとして、 ImprovedGS+を検証する。

関連論文リスト

• Opacity-Gradient Driven Density Control for Compact and Efficient Few-Shot 3D Gaussian Splatting [0.0]
  本稿では,3DGSの最適化を最適化し,効率を優先するフレームワークを提案する。 我々は、標準位置勾配を、不透明度勾配をレンダリングエラーの軽量プロキシとして利用する新しい密度化トリガに置き換える。 3ビューのLLFFデータセットでは、我々のモデルはFSGSよりも40%以上コンパクト(32k対57kプリミティブ)であり、Mip-NeRF 360データセットでは約70%の削減を実現している。
  論文  参考訳（メタデータ） (2025-10-11T15:33:50Z)
• Second-order Optimization of Gaussian Splats with Importance Sampling [51.95046424364725]
  3D Gaussian Splatting (3DGS) は、高品質で高速な推論時間のため、新しいビューレンダリングに広く用いられている。 本稿では,Levenberg-Marquardt (LM) と Conjugate Gradient (CG) に基づく新しい2階最適化手法を提案する。 提案手法は標準LMよりも3倍の高速化を実現し,ガウス数が少ない場合のAdamを6倍の6倍の速さで上回る。
  論文  参考訳（メタデータ） (2025-04-17T12:52:08Z)
• DashGaussian: Optimizing 3D Gaussian Splatting in 200 Seconds [71.37326848614133]
  3DGSの最適化複雑性に関するスケジューリング手法であるDashGaussianを提案する。 提案手法は, 各種3DGSバックボーンの最適化を平均45.7%高速化する。
  論文  参考訳（メタデータ） (2025-03-24T07:17:27Z)
• LiteGS: A High-performance Framework to Train 3DGS in Subminutes via System and Algorithm Codesign [6.7123686385076615]
  3D Gaussian Splatting (3DGS)は、3D表現において有望な代替手段として登場したが、それでも高いトレーニングコストに悩まされている。 本稿では、3DGSトレーニングパイプラインを体系的に最適化する高性能計算フレームワークであるLiteGSを紹介する。 実験の結果、LiteGSはオリジナルの3DGSトレーニングを最大13.4倍、同等または優れた品質で加速した。
  論文  参考訳（メタデータ） (2025-03-03T05:52:02Z)
• Efficient Density Control for 3D Gaussian Splatting [3.6626434111127075]
  3DGSはガウス数を増やすために適応密度制御を採用している。 レンダリング品質に影響を与える過度に適合したガウシアンが存在する可能性があり、元のADCはそれらを取り除くことができない。 Long-Axis Splitは子ガウスの位置、形状、不透明度を正確に制御し、分割前後の差を最小限に抑える。 不透明度を過度に設定したガウス人にリセットした後の回復速度の差を利用するリカバリ対応プルーニング。
  論文  参考訳（メタデータ） (2024-11-15T12:12:56Z)
• 3DGS-LM: Faster Gaussian-Splatting Optimization with Levenberg-Marquardt [65.25603275491544]
  3DGS-LM, 3D Gaussian Splatting(3DGS)の再構築を高速化する新しい手法を提案する。 提案手法は, 元の3DGSよりも20%高速であり, 再構成品質の最適化が可能である。
  論文  参考訳（メタデータ） (2024-09-19T16:31:44Z)
• GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
  GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。 周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
  論文  参考訳（メタデータ） (2024-02-15T17:32:50Z)

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。