論文の概要: SplatWeaver: Learning to Allocate Gaussian Primitives for Generalizable Novel View Synthesis

• arxiv url: http://arxiv.org/abs/2605.07287v1
• Date: Fri, 08 May 2026 05:51:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.836273
• Title: SplatWeaver: Learning to Allocate Gaussian Primitives for Generalizable Novel View Synthesis
• Title（参考訳）: SplatWeaver: 一般化可能な新しいビュー合成のためのガウス原始体をアロケートする学習
• Authors: Yecong Wan, Fan Li, Mingwen Shao, Wangmeng Zuo,
• Abstract要約: 一般化可能な新しいビュー合成は、シーンごとの最適化を必要とせずに、未分類の入力画像から見えないビューを描画することを目的としている。 3次元ガウススプラッティングに基づく最近のフィードフォワードアプローチは、有望な効率とレンダリング品質を実現している。 SplatWeaverは、フィードフォワード方式で異なるリージョンにガウスプリミティブを動的に割り当てることができる。
• 参考スコア（独自算出の注目度）: 60.075770066276505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generalizable novel view synthesis aims to render unseen views from uncalibrated input images without requiring per-scene optimization. Recent feed-forward approaches based on 3D Gaussian Splatting have achieved promising efficiency and rendering quality. However, most of them assign a fixed number of Gaussians to each pixel or voxel, ignoring the spatially varying complexity of real-world scenes. Such uniform allocation often wastes Gaussian primitives in smooth regions while providing insufficient capacity for fine structures, complex geometry, and high-frequency details. This motivates us to predict region-dependent primitive cardinalities rather than impose a fixed primitive budget everywhere, enabling a more expressive yet compact 3D scene representation. Therefore, we propose SplatWeaver, a generalizable novel view synthesis framework that is able to dynamically allocate Gaussian primitives over different regions in a feed-forward manner. Specifically, SplatWeaver introduces cardinality Gaussian experts and a pixel-level routing scheme, wherein each expert specializes in producing a specific number of primitives from 0 to M, and the routing scheme coordinates these experts to adaptively determine how many Gaussian primitives should be allocated to each spatial location. Moreover, SplatWeaver incorporates a high-frequency prior with attendant guidance module and routing regularization to stabilize expert selection and promote complexity-aware allocation. By leveraging high-frequency structural cues, the routing process is encouraged to assign more Gaussian primitives to fine structures, complex geometry, and textured regions, while suppressing redundant primitives in smooth areas. Extensive experiments across diverse scenarios show that SplatWeaver consistently outperforms state-of-the-art methods, delivering more faithful novel-view renderings with fewer Gaussian primitives.
• Abstract（参考訳）: 一般化可能な新しいビュー合成は、シーンごとの最適化を必要とせずに、未分類の入力画像から見えないビューを描画することを目的としている。 3次元ガウススプラッティングに基づく最近のフィードフォワードアプローチは、有望な効率とレンダリング品質を実現している。 しかし、それらの多くは、実世界のシーンの空間的に変化する複雑さを無視して、各ピクセルやボクセルに一定の数のガウスを割り当てている。 このような均一な割り当ては、しばしば滑らかな領域におけるガウス原始体を無駄にし、微細構造、複雑な幾何学、高周波の詳細に対して十分な能力を提供する。 これは、固定されたプリミティブな予算をどこにでも課すのではなく、地域依存のプリミティブな特徴を予測し、より表現力が高くコンパクトな3Dシーンの表現を可能にします。 そこで本稿では,ガウス的プリミティブをフィードフォワード方式で動的に割り当てることのできる,一般化可能な新しいビュー合成フレームワークであるSplatWeaverを提案する。 具体的には、SplatWeaverは、基数ガウスの専門家とピクセルレベルのルーティングスキームを導入し、各専門家は0からMまでの特定の数のプリミティブを生成することを専門とし、ルーティングスキームはこれらの専門家を調整し、各空間にガウスのプリミティブを割り当てるべき個数を適応的に決定する。 さらに、SplatWeaverは、アテンダントガイダンスモジュールとルーティング規則化を併用して、専門家の選択を安定させ、複雑性に配慮したアロケーションを促進する。 高周波構造的手がかりを活用することにより、ルーティングプロセスは、滑らかな領域における冗長なプリミティブを抑えながら、よりガウス的なプリミティブを微細な構造、複雑な幾何学、テクスチャ化された領域に割り当てることを奨励される。 多様なシナリオにわたる大規模な実験により、SplatWeaverは最先端のメソッドを一貫して上回り、より忠実なノベルビューレンダリングを提供し、ガウスのプリミティブを減らしている。

関連論文リスト

• Faster 3D Gaussian Splatting Convergence via Structure-Aware Densification [52.517763621139956]
  3Dガウススプラッティングは、リアルタイムのノベルビュー合成のための強力なシーン表現として登場した。 標準適応密度制御は画面空間の位置勾配に依存する。 本稿では,3次元ガウススプラッティングのための構造認識型密度化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-30T15:37:20Z)
• F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting [28.800888081472422]
  本稿では,フィードフォワード3次元ガウス分割のためのフィードフォワード予測デンシフィケーションを行うF4Splatを提案する。 本モデルでは, 地域ごとの密度化スコアを推定し, 必要なガウス密度を推定し, 最終ガウス予算の明示的な制御を可能にする。 実験により,従来のフィードフォワード法と比較して,本モデルが優れた新規ビュー合成性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-03-22T16:03:56Z)
• A Mixed-Primitive-based Gaussian Splatting Method for Surface Reconstruction [61.205927223522174]
  本稿では,ガウススプラッティングが表面再構成過程において,複数のプリミティブを組み込むことを可能にする新しいフレームワークを提案する。 具体的には,我々はまず,異なる種類のプリミティブのスプレイティングとレンダリングを可能にする構成的スプレイティング戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-15T13:52:40Z)
• SmileSplat: Generalizable Gaussian Splats for Unconstrained Sparse Images [91.28365943547703]
  SmileSplatという新しい一般化可能なガウス格子法が提案され,様々なシナリオに対して画素整列ガウス波を再構成する。 提案手法は,様々な3次元視覚タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-27T05:52:28Z)
• PixelGaussian: Generalizable 3D Gaussian Reconstruction from Arbitrary Views [116.10577967146762]
  PixelGaussianは、任意の視点から一般化可能な3Dガウス再構成を学習するための効率的なフレームワークである。 提案手法は,様々な視点によく一般化した最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-10-24T17:59:58Z)
• MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
  3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。 既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。 スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-15T08:39:05Z)
• GaussianForest: Hierarchical-Hybrid 3D Gaussian Splatting for Compressed Scene Modeling [40.743135560583816]
  本稿では,ハイブリッド3Dガウスの森として景観を階層的に表現するガウス・フォレスト・モデリング・フレームワークを紹介する。 実験により、ガウス・フォレストは同等の速度と品質を維持するだけでなく、圧縮速度が10倍を超えることが示されている。
  論文  参考訳（メタデータ） (2024-06-13T02:41:11Z)

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。