論文の概要: Directed Distance Fields for Constant-Time Ray Queries on Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2606.00817v1
• Date: Sat, 30 May 2026 17:29:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.861401
• Title: Directed Distance Fields for Constant-Time Ray Queries on Gaussian Splatting
• Title（参考訳）: ガウススメッティングにおける一定時間線量に対する方向距離場
• Abstract要約: 3D Splattingはリアルタイムでシーンの新しいビューを表示する。 我々は、訓練された3DGSシーンをDDF(Directed Distance)を蒸留して線オラクルにする。 DDFは、等価な符号付き距離場を追跡する球よりも26倍から72倍速い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) renders new views of a scene in real time. Like every rasterizer, it answers only primary rays, the rays from the camera through the image. It cannot trace the secondary rays that shadows, ambient occlusion, and global illumination need. We turn a trained 3DGS scene into a ray oracle by distilling a Directed Distance Function (DDF). The DDF is a small neural field. It takes a ray, given by an origin and a direction, and returns the distance to the first surface and whether the ray hits anything. Each query is one forward pass. The field is 52~MB, and its size does not depend on the number of Gaussians, so its cost and memory stay flat as the scene grows. We make three points. First, we study what supervision a DDF needs. Depth rendered from the Gaussians is too blurry to teach thin parts, while clean distance supervision recovers them. Second, we measure speed. The DDF is 26 to 72 times faster than sphere tracing an equivalent signed distance field, and unlike a bounding volume hierarchy built over the Gaussians, even on dedicated RT-core hardware, its query time and memory do not grow with the scene. Third, we show a pipeline that needs no mesh: images give a 3DGS scene, a neural surface gives clean distances, and the DDF learns from them. We use the DDF as a secondary-ray oracle for global illumination. It reproduces reference ray-traced shadows at 30.3~dB and ambient occlusion at 21.3~dB across 142 objects, and on real captured scenes. Our codes are available at https://github.com/smlab-niser/ddf-gs.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)は、シーンの新しいビューをリアルタイムでレンダリングする。 すべてのラスタライザと同様に、カメラからの画像を通して、一次光線のみに答える。 影、周囲の閉塞、そして地球規模の照明を必要とする二次的な光線を追跡できない。 トレーニングされた3DGSシーンを、DDF(Directed Distance Function)を蒸留することにより、光オラクルに変換する。 DDFは小さな神経野である。 原点と方向によって与えられる光線を受け取り、その距離を第1の表面に戻し、光線が何かにぶつかるかどうかを判断する。 各クエリは1つのフォワードパスである。 フィールドは52~MBで、そのサイズはガウスの人数に依存しないので、シーンが大きくなるにつれてコストと記憶が平らになる。 ポイントは3つ。 まず、DDFが必要とする監督について検討する。 ガウスの奥行きはぼやけたので細い部分を教えることができず、クリーンな距離監督がそれらを回復させる。 次に、速度を測定します。 DDFは、同等の符号付き距離フィールドをトレースするスフィアよりも26～72倍高速で、専用のRTコアハードウェアでもガウシアン上に構築された境界ボリューム階層とは異なり、クエリ時間とメモリはシーンとともに成長しない。 第3に、メッシュを必要としないパイプラインを示す:画像は3DGSシーンを与え、ニューラルサーフェスはクリーンな距離を与え、DFFはそれらから学習する。 我々は、DDFを大域照明のための二次光オラクルとして利用する。 30.3~dBの基準光線による影を再現し、21.3~dBの周囲の閉塞を142の物体と実際の撮影シーンで再現する。 私たちのコードはhttps://github.com/smlab-niser/ddf-gs.comで公開しています。

関連論文リスト

• Differentiable Voronoi Ray Tracing Beyond Rasterization Speeds [14.722946445988262]
  リアルタイムの新規ビュー合成は明示的なプリミティブによって支配されている。 これらのプリミティブは歪み、ローリングシャッター、場の深さといった非ピンホール効果の特別な拡張を必要とする。 線ベースのレンダリングはこれらの効果を自然に表現するが、一般的には競合するリアルタイムレンダリングには遅すぎると仮定される。 これらのコストを削減するために、シーン表現、最適化、GPU実行を共同設計するVoroTracingを紹介します。
  論文  参考訳（メタデータ） (2026-08-18T11:55:58Z)
• RAGA: Real Time Ray Traced Gaussian Shadow Casting for 3DGS Avatar-Scene Interaction [56.93584264880528]
  我々は、正確なレイ・ガウス線積分に基づくレイ・トラッキード・ガウスシャドウキャスティングであるRAGAを紹介する。 ガウスを排他するごとに、影線に沿って不透明度プロファイルを積分し、理論的な最大積分によって正規化し、光線が Occluder をどう通過するかを捉える重みを生成する。 複数のデータセットにまたがる単一アバター,マルチアバター,アバターオブジェクトのインタラクションシナリオを評価する。
  論文  参考訳（メタデータ） (2026-06-28T10:55:32Z)
• ComGS: Efficient 3D Object-Scene Composition via Surface Octahedral Probes [46.83857963152283]
  Gaussian Splatting (GS)は没入型レンダリングを可能にするが、現実的な3Dオブジェクトシーンの合成は難しいままである。 我々は,新しい3Dオブジェクトシーン合成フレームワークであるComGSを提案する。 提案手法は,28FPS程度の高画質リアルタイムレンダリングを実現し,鮮明な影で視覚的に調和し,編集に36秒しか必要としない。
  論文  参考訳（メタデータ） (2025-10-09T03:10:41Z)
• RaySt3R: Predicting Novel Depth Maps for Zero-Shot Object Completion [49.933001840775816]
  RaySt3Rは、新しいビュー合成問題として、3D形状の完成をリキャストする。 フィードフォワード変換器をトレーニングし、深度マップ、オブジェクトマスク、およびクエリ線に対する画素ごとの信頼スコアを予測する。 RaySt3Rは、これらの予測を複数のクエリビューに融合して、完全な3D形状を再構築する。
  論文  参考訳（メタデータ） (2025-06-05T17:43:23Z)
• ODGS: 3D Scene Reconstruction from Omnidirectional Images with 3D Gaussian Splattings [48.72040500647568]
  幾何的解釈を用いた全方位画像の新規化パイプラインであるODGSについて述べる。 パイプライン全体が並列化され、最適化が達成され、NeRFベースの手法よりも100倍高速になる。 その結果、ODGSは大規模な3Dシーンを再構築しても、細部を効果的に復元できることがわかった。
  論文  参考訳（メタデータ） (2024-10-28T02:45:13Z)
• EVER: Exact Volumetric Ellipsoid Rendering for Real-time View Synthesis [72.53316783628803]
  実時間微分可能な発光専用ボリュームレンダリング法であるExact Volumetric Ellipsoid Rendering (EVER)を提案する。 3D Gaussian Splatting(3DGS)による最近の手法とは異なり、プリミティブベースの表現は正確なボリュームレンダリングを可能にする。 本手法は,3DGSよりもブレンディング問題の方が精度が高く,ビューレンダリングの追従作業も容易であることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:59:09Z)
• GS-ROR$^2$: Bidirectional-guided 3DGS and SDF for Reflective Object Relighting and Reconstruction [20.523085632567717]
  照明モデルの効率的な最適化のためのSDF支援型ガウススプラッティングと,高品質な幾何再構成のためのGS誘導型SDF拡張を提案する。 提案手法は,17%の余分なトレーニング時間で,反射物体に高品質なメッシュを提供することができる。
  論文  参考訳（メタデータ） (2024-05-22T09:40:25Z)
• FIRe: Fast Inverse Rendering using Directional and Signed Distance Functions [97.5540646069663]
  指向性距離関数(DDF)と呼ばれる新しいニューラルシーン表現を導入する。 DDFは単位球上で定義され、任意の方向に沿って表面までの距離を予測する。 提案手法はDDFに基づいて,提案した深度マップから3次元形状を再構成する高速アルゴリズム (FIRe) を提案する。
  論文  参考訳（メタデータ） (2022-03-30T13:24:04Z)
• Light Field Networks: Neural Scene Representations with Single-Evaluation Rendering [60.02806355570514]
  2次元観察から3Dシーンの表現を推定することは、コンピュータグラフィックス、コンピュータビジョン、人工知能の基本的な問題である。 そこで我々は,360度4次元光場における基礎となる3次元シーンの形状と外観の両面を表現した新しいニューラルシーン表現,光場ネットワーク(LFN)を提案する。 LFNからレイをレンダリングするには*single*ネットワークの評価しか必要としない。
  論文  参考訳（メタデータ） (2021-06-04T17:54:49Z)

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。