論文の概要: CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation
- arxiv url: http://arxiv.org/abs/2605.20872v1
- Date: Wed, 20 May 2026 08:08:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.564155
- Title: CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation
- Title（参考訳）: Cadam: 生成蒸留における3次元ガウスデンシフィケーションの文脈適応モーメント推定
- Authors: SeungJeh Chung, Geonho Park, Misong Kim, HyeongYeop Kang,
- Abstract要約: 密度ジレンマを解くために、文脈適応モーメント推定(CAdam)を導入する。
Cadamは、標準密度と比較してガウスの数を85%から97%削減し、全体的な同等の品質を保っている。
これらの結果から, 信号認識密度制御は, 最適化に基づく生成蒸留におけるメモリ効率の向上に有効であることがわかった。
- 参考スコア（独自算出の注目度）: 3.4998703934432682
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adaptive densification is the engine of 3D Gaussian Splatting (3DGS). However, when transposed to the optimization-based Generative Distillation paradigm, this reconstruction-native mechanism reveals fundamental limitations, resulting in inefficient representations cluttered with redundant primitives. We diagnose this failure as a Densification Dilemma stemming from the stochastic nature of generative guidance: the standard magnitude-based accumulation indiscriminately aggregates transient noise alongside geometric signals, making it difficult to strike a balance between over-densification and under-fitting. To resolve this, we introduce Context-Adaptive Moment Estimation (CAdam), a novel framework that reinterprets densification as a statistically grounded signal verification problem. CAdam leverages the first moment of gradients to exploit the interference principle, where stochastic fluctuations cancel out via destructive interference while consistent geometric drifts accumulate via constructive interference, effectively disentangling the underlying signal from the generative noise floor. This is further augmented by a quantile-based context awareness and an intrinsic Signal-to-Noise Ratio (SNR) gating mechanism, which ensure robust adaptation across optimization stages and enable the soft termination of densification. Extensive experiments across diverse objectives (SDS, ISM, VFDS) and strong generative 3DGS backbones show that CAdam reduces Gaussian count by 85%-97% relative to standard densification while preserving overall comparable perceptual quality. These results highlight signal-aware density control as a practical way to improve memory efficiency in optimization-based generative distillation.
- Abstract（参考訳）: アダプティブデンシフィケーション(Adaptive densification)は、3Dガウススティング(3DGS)のエンジンである。
しかし、最適化に基づく生成蒸留パラダイムに変換されると、この再構成ネイティブメカニズムは基本的な制限を明らかにし、非効率な表現は冗長なプリミティブで散らばる。
標準等級に基づく蓄積は、幾何学的信号とともに過渡的な雑音を無差別に集約し、過度な密度化と過度な適合のバランスをとるのが困難である。
これを解決するために、統計的に基底的な信号検証問題として密度化を再解釈する新しいフレームワークであるContext-Adaptive Moment Estimation (CAdam)を導入する。
キャダムは勾配の最初の瞬間を利用して干渉原理を利用し、確率的ゆらぎは破壊的干渉によってキャンセルされ、一貫した幾何的ドリフトは建設的干渉によって蓄積される。
これは、量子的コンテキスト認識と固有信号対雑音比(SNR)ゲーティング機構によってさらに強化され、最適化段階間のロバストな適応が保証され、デンシフィケーションのソフト終了を可能にする。
多様な目的(SDS, ISM, VFDS)と強力な3DGSのバックボーンにわたる広範囲な実験により、Cadamは標準密度と比較してガウスの数を85%～97%削減し、全体的な知覚品質を保っている。
これらの結果から, 信号認識密度制御は, 最適化に基づく生成蒸留におけるメモリ効率の向上に有効であることがわかった。
関連論文リスト
- Denoising-GS: Gaussian Splatting with Spatial-aware Denoising [59.331050242447255]
高忠実なノベルビュー合成(NVS)において、3Dガウススティング(3DGS)は顕著な成功を収めた
本稿では, 3DGS の最適化を原始的認知過程として定式化し, 新たな視点を導入する。
位置と空間構造を両立させることにより,プリミティブのコヒーレントなデノナイジングフレームワークであるDenoising-GSを提案する。
3つのベンチマークデータセットで実施された実験により、Denoising-GSは表現のコンパクト性を維持しながら、NVSの忠実度を一貫して向上することを示した。
論文 参考訳（メタデータ） (2026-05-14T14:24:21Z) - DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。
我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。
この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
論文 参考訳（メタデータ） (2026-04-08T07:01:24Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - ERGO: Excess-Risk-Guided Optimization for High-Fidelity Monocular 3D Gaussian Splatting [63.138778159026934]
本稿では,ERGOと呼ばれる過度のリスク分解によって導かれる適応最適化フレームワークを提案する。
ERGOはビュー固有の過剰リスクを動的に推定し、最適化中の損失重みを適応的に調整する。
Google Scanned ObjectsデータセットとOmniObject3Dデータセットの実験は、既存の最先端メソッドよりもERGOの方が優れていることを示している。
論文 参考訳（メタデータ） (2026-02-10T20:44:43Z) - AD-GS: Alternating Densification for Sparse-Input 3D Gaussian Splatting [6.696418686121452]
3次元ガウススプラッティング(3DGS)は、リアルタイムの新規なビュー合成において印象的な結果を示した。
重要な寄与要因は非制御の密度化であり、誘導なしで素粒子を迅速に加えると、幾何学に害を与え、アーティファクトを引き起こす可能性がある。
高密度・低密度化相をインターリーブする新しい交互デンシフィケーションフレームワークAD-GSを提案する。
論文 参考訳（メタデータ） (2025-09-13T23:05:49Z) - Metropolis-Hastings Sampling for 3D Gaussian Reconstruction [31.840492077537018]
3次元ガウス平滑化のための適応型サンプリングフレームワーク(3DGS)を提案する。
我々の枠組みは, 確率的サンプリングプロセスとして, デンシフィケーションとプルーニングを改質することで限界を克服する。
提案手法は,最先端モデルのビュー合成品質を適度に上回りながら,より高速な収束を実現する。
論文 参考訳（メタデータ） (2025-06-15T19:12:37Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - Uncertainty-Aware Normal-Guided Gaussian Splatting for Surface Reconstruction from Sparse Image Sequences [21.120659841877508]
3D Gaussian Splatting (3DGS)は、新規なビュー合成において印象的なレンダリング性能を達成した。
3DGSパイプライン内の幾何的不確かさを定量化するために,不確かさを意識した正規誘導型ガウス格子(UNG-GS)を提案する。
UNG-GSはスパース配列と高密度シーケンスの両方で最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2025-03-14T08:18:12Z) - Revising Densification in Gaussian Splatting [23.037676471903215]
本稿では,3DGSにおける密度制御のための画素エラー駆動型定式化について述べる。
我々のアプローチは、メソッドの効率を犠牲にすることなく、様々なベンチマークシーンで一貫した品質改善をもたらす。
論文 参考訳（メタデータ） (2024-04-09T08:20:37Z) - DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。
高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。
異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文 参考訳（メタデータ） (2023-03-15T16:14:06Z)
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。