論文の概要: From ex(p) to poly: Gaussian Splatting with Polynomial Kernels

• arxiv url: http://arxiv.org/abs/2603.18707v1
• Date: Thu, 19 Mar 2026 10:05:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.078105
• Title: From ex(p) to poly: Gaussian Splatting with Polynomial Kernels
• Title（参考訳）: ex(p)からpoly:poly:polynomial Kernelsを用いたGaussian Splattingへ
• Authors: Joerg H. Mueller, Martin Winter, Markus Steinberger,
• Abstract要約: 元の指数関数カーネルをReLU関数と組み合わせた近似で置き換える。 その結果,画像品質に悪影響を及ぼすことなく,4～15%の顕著な性能向上が得られた。
• 参考スコア（独自算出の注目度）: 5.939858158928474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in Gaussian Splatting (3DGS) have introduced various modifications to the original kernel, resulting in significant performance improvements. However, many of these kernel changes are incompatible with existing datasets optimized for the original Gaussian kernel, presenting a challenge for widespread adoption. In this work, we address this challenge by proposing an alternative kernel that maintains compatibility with existing datasets while improving computational efficiency. Specifically, we replace the original exponential kernel with a polynomial approximation combined with a ReLU function. This modification allows for more aggressive culling of Gaussians, leading to enhanced performance across different 3DGS implementations. Our results show a notable performance improvement of 4 to 15% with negligible impact on image quality. We also provide a detailed mathematical analysis of the new kernel and discuss its potential benefits for 3DGS implementations on NPU hardware.
• Abstract（参考訳）: ガウススプラッティング(3DGS)の最近の進歩は、オリジナルのカーネルに様々な改良を加え、大幅な性能改善をもたらした。 しかしながら、これらのカーネルの変更の多くは、オリジナルのガウスカーネルに最適化された既存のデータセットと互換性がなく、広く採用する上での課題である。 本研究では,既存のデータセットとの互換性を維持しつつ,計算効率を向上する代替カーネルを提案する。 具体的には、元の指数核をReLU関数と組み合わせた多項式近似に置き換える。 この修正によりガウスのより積極的なカリングが可能となり、様々な3DGS実装のパフォーマンスが向上した。 その結果,画像品質に悪影響を及ぼすことなく,4～15%の顕著な性能向上が得られた。 また,新しいカーネルの数学的解析を行い,NPUハードウェア上での3DGS実装の可能性について論じる。

関連論文リスト

• ImprovedGS+: A High-Performance C++/CUDA Re-Implementation Strategy for 3D Gaussian Splatting [0.0]
  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。
  論文  参考訳（メタデータ） (2026-03-09T17:38:27Z)
• Adaptive Kernel Selection for Stein Variational Gradient Descent [5.278971176776929]
  Stein Variational Gradient Descent (SVGD) は一般的な変分推論法である。 本稿では、SVGDによる粒子の更新と、カーネル帯域幅の適応調整を交互に行うAdaptive SVGD(Ad-SVGD)を紹介する。
  論文  参考訳（メタデータ） (2025-10-02T14:33:57Z)
• ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。 近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。 本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-03-21T18:55:14Z)
• Improving Adaptive Density Control for 3D Gaussian Splatting [3.2248805768155835]
  3D Gaussian Splattingは、過去1年で最も影響力のある作品の1つだ。 シーン再構築の際に使用されるガウス的プリミティブの数を適切に管理する上での課題に直面している。 本稿では,適応密度制御機構の3つの改良点を提案する。
  論文  参考訳（メタデータ） (2025-03-18T14:09:10Z)
• Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
  バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。 我々はこれらの不変カーネルの最大情報ゲインを導出する。 核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
  論文  参考訳（メタデータ） (2024-10-22T12:51:46Z)
• 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)
• Kernel Identification Through Transformers [54.3795894579111]
  カーネル選択はガウス過程(GP)モデルの性能決定において中心的な役割を果たす。 この研究は、高次元GP回帰モデルのためのカスタムカーネル関数を構築するという課題に対処する。 KITT: Kernel Identification through Transformersを提案する。
  論文  参考訳（メタデータ） (2021-06-15T14:32:38Z)

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。