論文の概要: DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification

• arxiv url: http://arxiv.org/abs/2603.27151v1
• Date: Sat, 28 Mar 2026 06:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.814968
• Title: DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification
• Title（参考訳）: DiffSoup:極端放射場簡易化のための直微分可能な三角相のラスタ化
• Authors: Kenji Tojo, Bernd Bickel, Nobuyuki Umetani,
• Abstract要約: Radiance Fieldは、マルチビューRGB画像から高品質な3D表現を復元することを目的としている。 DiffSoupは、二項不透明度を持つ少数の三角形のスープ(すなわち、高度に非構造化された集合)を用いる放射場表現である。
• 参考スコア（独自算出の注目度）: 7.953360422251262
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radiance field reconstruction aims to recover high-quality 3D representations from multi-view RGB images. Recent advances, such as 3D Gaussian splatting, enable real-time rendering with high visual fidelity on sufficiently powerful graphics hardware. However, efficient online transmission and rendering across diverse platforms requires drastic model simplification, reducing the number of primitives by several orders of magnitude. We introduce DiffSoup, a radiance field representation that employs a soup (i.e., a highly unstructured set) of a small number of triangles with neural textures and binary opacity. We show that this binary opacity representation is directly differentiable via stochastic opacity masking, enabling stable training without a mollifier (i.e., smooth rasterization). DiffSoup can be rasterized using standard depth testing, enabling seamless integration into traditional graphics pipelines and interactive rendering on consumer-grade laptops and mobile devices. Code is available at https://github.com/kenji-tojo/diffsoup.
• Abstract（参考訳）: 多視点RGB画像から高品質な3D表現を復元することを目的としている。 近年の3Dガウススプラッティングのような進歩により、十分に強力なグラフィックスハードウェア上で、高画質のリアルタイムレンダリングが可能になった。 しかし、多様なプラットフォームにまたがる効率的なオンライン伝送とレンダリングは、大幅なモデル単純化を必要とし、プリミティブの数を桁違いに削減する。 ニューラルテクスチャとバイナリ不透明度を持つ少数の三角形のスープ(すなわち、高度に構造化されていない集合)を利用する放射場表現であるDiffSoupを紹介する。 この二項不透明度表現は確率的不透明度マスキングによって直接微分可能であることを示し、モリファイアなしで安定したトレーニング(スムーズラスタライゼーション)を可能にする。 DiffSoupは標準深度テストを使用してラスタライズすることができ、従来のグラフィクスパイプラインへのシームレスな統合と、コンシューマグレードのラップトップやモバイルデバイスでのインタラクティブレンダリングを可能にする。 コードはhttps://github.com/kenji-tojo/diffsoup.comから入手できる。

関連論文リスト

• Radiance Meshes for Volumetric Reconstruction [56.51690637804858]
  一定の密度の四面体を持つ放射場を表現する手法である放射メッシュを導入する。 本モデルでは,合成とレイトレーシングの両方を用いて,高精度かつ高速なボリュームレンダリングを行うことができる。 我々のレンダリング手法はボリューム方程式を正確に評価し、標準のコンシューマハードウェア上で高品質でリアルタイムなビューを可能にする。
  論文  参考訳（メタデータ） (2025-12-03T18:57:03Z)
• Triangle Splatting+: Differentiable Rendering with Opaque Triangles [54.18495204764292]
  微分可能なスティングフレームワーク内での三角形を直接最適化するTriangle Splatting+を導入する。 本手法は, 視覚的忠実度において, より効率的かつ高速なトレーニングを継続しながら, 従来のスプレイティング手法を超越した手法である。 結果として生じるセミコネクテッドメッシュは、物理ベースのシミュレーションやインタラクティブなウォークスルーのような下流のアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-09-29T17:43:46Z)
• Triangle Splatting for Real-Time Radiance Field Rendering [96.8143602720977]
  我々は、エンドツーエンドの勾配によって直接三角形を最適化する微分可能を開発する。 一般的な2次元および3次元ガウススプラッティング法と比較すると,本手法は高い視覚的忠実度,より高速な収束,レンダリングスループットの向上を実現している。 textitGardenのシーンでは、オフザシェルフメッシュを使用して1280x720の解像度で2,400 FPSを達成しています。
  論文  参考訳（メタデータ） (2025-05-25T14:47:10Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• pixelSplat: 3D Gaussian Splats from Image Pairs for Scalable Generalizable 3D Reconstruction [26.72289913260324]
  pixelSplatは、画像のペアから3次元ガウスプリミティブによってパラメータ化された3次元放射界の再構成を学ぶフィードフォワードモデルである。 我々のモデルは、スケーラブルなトレーニングのためのリアルタイム・メモリ効率のレンダリングと、推論時の高速な3次元再構成を特徴としている。
  論文  参考訳（メタデータ） (2023-12-19T17:03:50Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)

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。