論文の概要: SparseOIT: Improving Order-Independent Transparency 3DGS via Active Set Method
- arxiv url: http://arxiv.org/abs/2605.13855v1
- Date: Tue, 07 Apr 2026 06:04:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.809636
- Title: SparseOIT: Improving Order-Independent Transparency 3DGS via Active Set Method
- Title（参考訳）: SparseOIT:Active Set法による順序非依存の透明性3DGSの改善
- Authors: Wentao Yang, Fanzhen Kong, Zejian Kang, Xiangru Huang,
- Abstract要約: 3DGSは、非ランバーティアンまたは透明な材料を持つオブジェクトには適さないボリュームレンダリングを使用する。
OITに基づく3DGS再構成アルゴリズムであるSparseOITを提案する。
- 参考スコア（独自算出の注目度）: 2.877469199665564
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) has received tremendous popularity over the past few years due to its photorealistic visual appearance. However, 3DGS uses volumetric rendering that is not suitable for objects with non-lambertian or transparent materials. To remedy this issue, a family of Order-Independent Transparency (OIT) rendering methods propose to remove or modify the depth sorting step in the 3DGS rendering equation. However, the potential of OIT-based method is still underexplored. In this paper, we observe that the OIT modifications to the rendering equation significantly reduce the inter-independence among individual gaussian splats, resulting in very sparse variable dependencies that can be harnessed by specific optimization techniques such as active set method. To this end, we propose SparseOIT, an OIT-based 3DGS reconstruction algorithm that maintains an active set of gaussian splats and enjoys an acceleration ratio that is proportional to the potential sparsity. SparseOIT is designed by jointly considering the OIT rendering equation, the reconstruction algorithm and the geometric regularization. Through extensive experiments, we demonstrate that SparseOIT outperforms existing methods in the OIT-family by a large margin and also achieves comparable performance to the state-of-the-art 3DGS reconstruction methods based on volumetric rendering. Project page:
- Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は、フォトリアリスティックな視覚的外観のため、ここ数年で大いに人気を集めている。
しかし、3DGSは、非ランベルト的または透明な材料を持つ物体には適さないボリュームレンダリングを使用する。
この問題を解決するために、3DGSレンダリング方程式の深度ソートステップを除去または修正するオーダー独立透明性(OIT)レンダリング手法のファミリーを提案する。
しかし,OITを用いた手法の可能性はまだ未検討である。
本稿では,OITによるレンダリング式の変更により,個々のガウススプラット間の相互依存性が著しく減少し,能動集合法などの特定の最適化手法で活用できるような,非常にスパースな変数依存性が生じることを観察する。
そこで本研究では,OITをベースとした3DGS再構成アルゴリズムであるSparseOITを提案する。
SparseOITは、OITレンダリング方程式、再構成アルゴリズム、幾何正規化を共同で検討して設計されている。
大規模な実験により,SparseOITはOITファミリーの既存手法を大きなマージンで上回り,ボリュームレンダリングに基づく最先端の3DGS再構成手法に匹敵する性能を示した。
プロジェクトページ
関連論文リスト
- DensifyBeforehand: LiDAR-assisted Content-aware Densification for Efficient and Quality 3D Gaussian Splatting [1.5576275034099496]
本稿では,Sparse LiDARデータと対応するRGB画像からの単眼深度推定を組み合わせ,既存の3次元ガウス散乱(3DGS)法の限界に対処する。
我々のROI対応サンプリング手法は意味的にも幾何学的にも重要な領域を優先し、密度の高い点雲を生成する。
本手法は,資源消費とトレーニング時間を著しく削減しつつ,最先端技術に匹敵する結果が得られる。
論文 参考訳（メタデータ） (2025-11-24T16:39:13Z) - Improving Densification in 3D Gaussian Splatting for High-Fidelity Rendering [3.6379656024631215]
本稿では3DGSの密度化パイプラインを網羅的に改善する。
具体的には,分割候補のガウスを効果的に選択するエッジ・アウェアスコアを提案する。
また,クローンと分割操作によって生じる幾何学的歪みを低減させるLong-Axis Split戦略を導入する。
論文 参考訳（メタデータ） (2025-08-17T10:13:21Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - See In Detail: Enhancing Sparse-view 3D Gaussian Splatting with Local Depth and Semantic Regularization [14.239772421978373]
3次元ガウス散乱(3DGS)は、新規なビュー合成において顕著な性能を示した。
しかし、そのレンダリング品質は、粗いインフットビューによって劣化し、歪んだコンテンツと細部が減少する。
本稿では,事前情報を取り入れたスパースビュー3DGS法を提案する。
LLFFデータセット上でPSNRを最大0.4dB改善し、最先端の新規ビュー合成手法より優れる。
論文 参考訳（メタデータ） (2025-01-20T14:30:38Z) - GeoSplatting: Towards Geometry Guided Gaussian Splatting for Physically-based Inverse Rendering [69.67264955234494]
GeoSplattingは、3DGSを精密な光輸送モデリングのための明確な幾何学的ガイダンスで拡張する新しいアプローチである。
最適化可能なメッシュから表面積の3DGSを微分的に構築することにより、明確に定義されたメッシュ正規と不透明なメッシュ表面を利用する。
この強化により、3DGSの効率性と高品質なレンダリング能力を保ちながら、正確な材料分解が保証される。
論文 参考訳（メタデータ） (2024-10-31T17:57:07Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z)
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。