論文の概要: Adaptive Anchor Policies for Efficient 4D Gaussian Streaming

• arxiv url: http://arxiv.org/abs/2603.17227v1
• Date: Wed, 18 Mar 2026 00:18:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.452335
• Title: Adaptive Anchor Policies for Efficient 4D Gaussian Streaming
• Title（参考訳）: 効率的な4次元ガウスストリーミングのための適応アンカーポリシ
• Authors: Ashim Dahal, Rabab Abdelfattah, Nick Rahimi,
• Abstract要約: ほとんどのパイプラインはFarthest Point Smpling (FPS)のような固定アンカーの選択に依存しており、厳格な予算の下で過度に配置されている。 本稿では,プラグイン型,予算対応型アンカーサンプリングシステムであるEfficient Gaussian Streaming (EGS)を提案する。 EGSはFPSを強化されたポリシーに置き換え、ガウスのストリーミング再構築のバックボーンは変更しない。
• 参考スコア（独自算出の注目度）: 5.13713525861535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dynamic scene reconstruction with Gaussian Splatting has enabled efficient streaming for real-time rendering and free-viewpoint video. However, most pipelines rely on fixed anchor selection such as Farthest Point Sampling (FPS), typically using 8,192 anchors regardless of scene complexity, which over-allocates computation under strict budgets. We propose Efficient Gaussian Streaming (EGS), a plug-in, budget-aware anchor sampler that replaces FPS with a reinforcement-learned policy while keeping the Gaussian streaming reconstruction backbone unchanged. The policy jointly selects an anchor budget and a subset of informative anchors under discrete constraints, balancing reconstruction quality and runtime using spatial features of the Gaussian representation. We evaluate EGS in two settings: fast rendering, which prioritizes runtime efficiency, and high-quality refinement, which enables additional optimization. Experiments on dynamic multi-view datasets show consistent improvements in the quality--efficiency trade-off over FPS sampling. On unseen data, in fast rendering at 256 anchors ($32\times$ fewer than 8,192), EGS improves PSNR by $+0.52$--$0.61$\,dB while running $1.29$--$1.35\times$ faster than IGS@8192 (N3DV and MeetingRoom). In high-quality refinement, EGS remains competitive with the full-anchor baseline at substantially lower anchor budgets. \emph{Code and pretrained checkpoints will be released upon acceptance.} \keywords{4D Gaussian Splatting \and 4D Gaussian Streaming \and Reinforcement Learning}
• Abstract（参考訳）: Gaussian Splattingによる動的シーン再構成により,リアルタイムレンダリングとフリー視点ビデオの効率的なストリーミングが可能になった。 しかし、ほとんどのパイプラインはFarthest Point Sampling (FPS)のような固定アンカー選択に依存しており、通常8,192アンカーを使用する。 本稿では, ガウスストリーミング復元のバックボーンを一定に保ちつつ, FPS を強化学習ポリシーに置き換える, プラグイン型, 予算対応型アンカーサンプリングシステムである, ガウスストリーミング(EGS)を提案する。 ポリシーは、個別の制約の下でアンカー予算と情報アンカーのサブセットを共同で選択し、ガウス表現の空間的特徴を用いて再構成品質とランタイムのバランスをとる。 我々はESGを、実行効率を優先する高速レンダリングと、さらなる最適化を可能にする高品質な改善の2つの設定で評価する。 動的マルチビューデータセットの実験では、FPSサンプリングによる品質-効率のトレードオフが一貫した改善を示している。 目に見えないデータでは、256アンカーの高速レンダリング(32\times$8192)で、ESSはPSNRを$+0.52$--0.61$\,dBで改善し、1.29$--1.35\times$はIGS@8192(N3DVと MeetingRoom)よりも高速である。 高品質な改良では、ESGはフルアンカーベースラインとかなり低いアンカー予算で競争力を維持している。 \emph{Codeと事前訓練されたチェックポイントは、受け入れ時にリリースされる。 キーワード{4D Gaussian Splatting \and 4D Gaussian Streaming \and Reinforcement Learning}

関連論文リスト

• StreamSTGS: Streaming Spatial and Temporal Gaussian Grids for Real-Time Free-Viewpoint Video [16.890908589888678]
  リアルタイムで自由視点ビデオ(FVV)をストリーミングすることは大きな課題に直面している。 最近の3DGSベースのFVV法は、トレーニングとレンダリングの両方において顕著なブレークスルーを達成した。 本稿では,リアルタイムストリーミング用に設計された新しいFVV表現StreamSTGSを提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:35:43Z)
• ReSplat: Learning Recurrent Gaussian Splats [98.14472247275512]
  ReSplatはフィードフォワードリカレントガウシアンスプラッティングモデルであり、明示的に勾配を計算せずに3Dガウシアンを反復的に洗練する。 我々は16倍のサブサンプル空間で動作するコンパクトな再構成モデルを導入し、以前のピクセルごとのガウスモデルよりも16倍のガウスモデルを生成する。 提案手法は,ガウス数を大幅に削減し,レンダリング速度を向上させるとともに,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-10-09T17:59:59Z)
• Speedy Deformable 3D Gaussian Splatting: Fast Rendering and Compression of Dynamic Scenes [57.69608119350651]
  動的シーンへの3次元ガウススティング(3DGS)の最近の拡張は、ニューラルネットワークを用いて各ガウスの時間変化変形を予測することによって、高品質な新規ビュー合成を実現する。 しかしながら、ガウス毎のニューラルネットワークを各フレームで実行することは、レンダリング速度を制限し、メモリと計算要求を増大させる、重大なボトルネックとなる。 動的3DGSおよび4DGS表現のレンダリング速度を2つの相補的手法により低減し,高速化する汎用パイプラインであるSpeedy Deformable 3D Gaussian Splatting(SpeeDe3DGS)を提案する。
  論文  参考訳（メタデータ） (2025-06-09T16:30:48Z)
• ADC-GS: Anchor-Driven Deformable and Compressed Gaussian Splatting for Dynamic Scene Reconstruction [22.24139713363786]
  既存の4Dガウス散乱法は、標準空間からターゲットフレームへのガウス毎の変形に依存している。 動的シーン再構成のためのコンパクトで効率的なADC-GSを提案する。 その結果, ADC-GS はレンダリング速度300%-800% でガウス変形法よりも優れていた。
  論文  参考訳（メタデータ） (2025-05-13T03:13:40Z)
• 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)
• MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images [102.7646120414055]
  入力としてスパースなマルチビュー画像を与えられたMVSplatは、クリーンなフィードフォワード3Dガウスを予測できる。 大規模RealEstate10KとACIDベンチマークでは、MVSplatは高速フィードフォワード推論速度(22fps)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） (2024-03-21T17:59:58Z)
• 4D Gaussian Splatting for Real-Time Dynamic Scene Rendering [103.32717396287751]
  本研究では,動的シーンの全体像として4D-GS(Gaussian Splatting)を提案する。 HexPlaneにインスパイアされたニューラルボクセル符号化アルゴリズムは、4Dニューラルボクセルの機能を効率的に構築するために提案されている。 我々の4D-GS法は、高解像度の82 FPSで、3090 GPUで800$times$800の解像度でリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:21:41Z)

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。