論文の概要: Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting

• arxiv url: http://arxiv.org/abs/2603.25745v1
• Date: Thu, 26 Mar 2026 17:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.436636
• Title: Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting
• Title（参考訳）: ガウス派とテクスチャ派:4Kフィードフォワード型テクスチャ
• Authors: Yixing Lao, Xuyang Bai, Xiaoyang Wu, Nuoyuan Yan, Zixin Luo, Tian Fang, Jean-Daniel Nahmias, Yanghai Tsin, Shiwei Li, Hengshuang Zhao,
• Abstract要約: 既存のフィードフォワード3Dガウススプラッティング法は画素アラインプリミティブを予測し、解像度が増大するにつれてプリミティブカウントが2次的に成長する。 この解像度のスケーリング障壁を克服するフィードフォワードフレームワークであるLGTMを紹介します。 このアプローチにより,シーンごとの最適化を行なわずに,高忠実度4K新規ビュー合成が可能となる。
• 参考スコア（独自算出の注目度）: 47.871043901289994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing feed-forward 3D Gaussian Splatting methods predict pixel-aligned primitives, leading to a quadratic growth in primitive count as resolution increases. This fundamentally limits their scalability, making high-resolution synthesis such as 4K intractable. We introduce LGTM (Less Gaussians, Texture More), a feed-forward framework that overcomes this resolution scaling barrier. By predicting compact Gaussian primitives coupled with per-primitive textures, LGTM decouples geometric complexity from rendering resolution. This approach enables high-fidelity 4K novel view synthesis without per-scene optimization, a capability previously out of reach for feed-forward methods, all while using significantly fewer Gaussian primitives. Project page: https://yxlao.github.io/lgtm/
• Abstract（参考訳）: 既存のフィードフォワード3Dガウススプラッティング法は画素アラインプリミティブを予測し、解像度が増大するにつれてプリミティブカウントが2次的に成長する。 これによりスケーラビリティが根本的に制限され、4Kのような高分解能な合成が可能となる。 この解像度のスケーリング障壁を克服するフィードフォワードフレームワークであるLGTM(Less Gaussians, Texture More)を紹介します。 原質ごとのテクスチャと結合したコンパクトガウスプリミティブを予測することにより、LGTMはレンダリング解像度から幾何学的複雑さを分離する。 このアプローチは、ガウス的プリミティブをはるかに少なく使用しながら、フィードフォワードメソッドのリーチから外れた機能である、シーンごとの最適化を伴わない、高忠実な4K新規ビュー合成を可能にする。 プロジェクトページ:https://yxlao.github.io/lgtm/

関連論文リスト

• Optimized Minimal 4D Gaussian Splatting [50.29519144753797]
  4D Gaussian Splattingは動的シーン表現の新しいパラダイムとして登場し、複雑な動きを持つシーンのリアルタイムレンダリングを可能にした。 何百万人ものガウス人が高忠実度再構築を必要としているため、ストレージオーバーヘッドの大きな課題に直面している。 OMG4は、4次元ガウス模型を忠実に表現できる有能なガウスのコンパクトな集合を構成するフレームワークである。
  論文  参考訳（メタデータ） (2025-10-04T16:11:13Z)
• Gaussian Herding across Pens: An Optimal Transport Perspective on Global Gaussian Reduction for 3DGS [13.03299802566674]
  3DGSは、放射場レンダリングの強力な技術として登場したが、通常は数百万の冗長なガウスプリミティブを必要とする。 本稿では,グローバルなガウス混合還元として3DGSのコンパクト化を推し進める,新しい最適輸送視点を提案する。 本手法は,バニラおよび加速3DGSパイプラインの任意の段階に適用可能であり,軽量なニューラルレンダリングへの効率的かつ非依存的な経路を提供する。
  論文  参考訳（メタデータ） (2025-06-11T09:04:44Z)
• Textured Gaussians for Enhanced 3D Scene Appearance Modeling [58.134905268540436]
  3D Gaussian Splatting (3DGS)は最先端の3D再構成およびレンダリング技術として登場した。 本稿では,それぞれにα(A), RGB, RGBAテクスチャマップを付加した一般化されたガウスの外観表現を提案する。 類似または少ないガウス数を用いて,既存の手法に比べて画質が向上したことを示す。
  論文  参考訳（メタデータ） (2024-11-27T18:59:59Z)
• MEGA: Memory-Efficient 4D Gaussian Splatting for Dynamic Scenes [49.36091070642661]
  本稿では,4DGSのためのメモリ効率フレームワークを提案する。 TechnicolorとNeural 3D Videoのデータセットで約190$times$と125$times$のストレージ削減を実現している。 レンダリング速度とシーン表現の品質を維持し、フィールドに新しい標準を設定する。
  論文  参考訳（メタデータ） (2024-10-17T14:47:08Z)
• HiSplat: Hierarchical 3D Gaussian Splatting for Generalizable Sparse-View Reconstruction [46.269350101349715]
  HiSplatは、一般化可能な3Dガウススプラッティングのための新しいフレームワークである。 階層的な3Dガウスを粗大な戦略で生成する。 これにより、再構築品質とデータセット間の一般化が大幅に向上する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:32Z)
• SRGS: Super-Resolution 3D Gaussian Splatting [14.26021476067791]
  本稿では,高分解能(HR)空間における最適化を実現するために,超解像3Dガウススティング(SRGS)を提案する。 サブピクセル制約はHR空間における視点の増大のために導入され、多重低解像度(LR)ビューのサブピクセル・クロスビュー情報を利用する。 MIP-NeRF 360 や Tanks & Temples のような挑戦的なデータセットにおいて,HRNVS のレンダリング品質は LR 入力のみで向上する。
  論文  参考訳（メタデータ） (2024-04-16T06:58:30Z)

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。