論文の概要: REFINE: Super-efficient 3D Gaussian Splatting Pruning via Rendering-Free Primitive Importance
- arxiv url: http://arxiv.org/abs/2606.09074v1
- Date: Mon, 08 Jun 2026 06:16:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.728641
- Title: REFINE: Super-efficient 3D Gaussian Splatting Pruning via Rendering-Free Primitive Importance
- Title（参考訳）: REFINE:Rendering-Free Primitive Importanceによる超効率な3Dガウス鋳造
- Authors: Zhang Chen, Shuai Wan, Mengting Yu, Fuzheng Yang, Junhui Hou,
- Abstract要約: REFINEは、新しいレンダリングフリープリミティブ・プライマリ・プライマリ・メトリックを中心に、高度に高速化された3DGSプルーニング・フレームワークである。
複数のベンチマークデータセットに対する実験は、REFINEが非常に競争力のあるレンダリング品質を維持していることを示している。
- 参考スコア（独自算出の注目度）: 58.94345609736356
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing pruning methods for 3D Gaussian splatting (3DGS) suffer from either severe quality degradation or prohibitive computational overhead. In this paper, we propose REFINE, a highly accelerated 3DGS pruning framework centered on a novel rendering-free primitive importance metric. Our approach leverages an analytically approximated, rendering-aware Hessian field to quantify the expected perceptual error induced by the removal of individual primitives. By modeling the joint modulation of visibility, projection geometry and the content adaptive hyperparameter, we entirely bypass costly forward rendering passes and derive an anisotropic perceptual weight field that serves as a high-fidelity proxy for primitive importance. Extensive experiments across multiple benchmark datasets demonstrate that REFINE maintains highly competitive rendering quality while achieving an unprecedented $3,000\times$ reduction in pruning-related computational complexity compared to state-of-the-art pruning methods.
- Abstract（参考訳）: 既存の3Dガウススプラッティング法(3DGS)は、厳しい品質劣化または禁忌的な計算オーバーヘッドに悩まされている。
本稿では,新しいレンダリングフリープリミティブ・プライオリティ・メトリックを中心に,高速な3DGSプルーニングフレームワークであるREFINEを提案する。
提案手法は、解析的に近似されたレンダリング対応のヘッセン場を利用して、個々のプリミティブの除去によって引き起こされる期待される知覚誤差を定量化する。
可視性、投影幾何学、およびコンテンツ適応型ハイパーパラメータの合同変調をモデル化することにより、コストのかかる前方レンダリングパスを完全にバイパスし、原始的重要性のための高忠実度プロキシとして機能する異方性知覚重みフィールドを導出する。
複数のベンチマークデータセットにわたる大規模な実験により、REFINEは高い競争力のあるレンダリング品質を維持しつつ、最先端のプルーニング手法と比較して、プルーニング関連計算複雑性の削減を前例のない$3,000\timesで達成していることが示された。
関連論文リスト
- ForeSplat: Optimization-Aware Foresight for Feed-Forward 3D Gaussian Splatting [65.02700555625749]
ForeSplatはフィードフォワード3DGSモデルのための最適化対応のトレーニングフレームワークである。
ForeSplatはフィードフォワードモデルのキャパシティ圧力を大幅に低減する。
償却予測とシーンごとの最適化のギャップを埋める。
論文 参考訳（メタデータ） (2026-05-21T05:38:47Z) - Confidence-Based Mesh Extraction from 3D Gaussians [9.322359037156811]
本稿では,測光と幾何のバランスをとる3DGSのための自己監督型信頼フレームワークを提案する。
また, 原色ごとのペナルティ化や, 正常な分散を図り, 表面抽出の利点を示す損失も導入した。
最終的なアプローチでは、非有界メッシュに対して、高い効率を保ちながら、最先端の結果が得られます。
論文 参考訳（メタデータ） (2026-03-25T18:52:04Z) - Prune Wisely, Reconstruct Sharply: Compact 3D Gaussian Splatting via Adaptive Pruning and Difference-of-Gaussian Primitives [14.295266671241004]
3D Gaussian Splatting (3DGS)は、リアルタイムレンダリングをフォトリアリスティックな品質で実現した。
3DGSは高い忠実性を達成するために多くのプリミティブを必要とすることが多い。
そこで我々は, 刈り取りタイミングと精錬間隔を決定する, 効率的で統合された組立型刈り取り戦略を提案する。
また,1つのプリミティブにおいて正と負の両密度を共同でモデル化する3次元ガウス差分プリミティブも導入する。
論文 参考訳（メタデータ） (2026-02-27T16:12:58Z) - 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) - CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting [57.73006852239138]
本稿では,3次元ガウススプラッティングの速度歪み最適化圧縮とセグメンテーションのための最初の統一フレームワークを提案する(3DGS)。
速度歪みに最適化された3DGS圧縮の最近の進歩に触発されたこの研究は、セマンティックラーニングを圧縮パイプラインに統合し、デコーダ側アプリケーションをサポートする。
提案方式は暗黙的ニューラル表現に基づくハイパープライアを特徴とし,色属性と意味属性の両方の効率的なエントロピー符号化を実現する。
論文 参考訳（メタデータ） (2026-01-19T08:21:45Z) - Duplex-GS: Proxy-Guided Weighted Blending for Real-Time Order-Independent Gaussian Splatting [37.17972426764452]
本稿では、プロキシガウス表現と順序に依存しないレンダリング技術を統合する二重階層フレームワークを提案する。
我々は、我々のフレームワークとオーダー独立透明性(OIT)をシームレスに組み合わせることで、物理的にインスパイアされた重み付けされた和レンダリング技術を開発し、同時に「ポーピング」と「透明性」アーティファクトを除去する。
提案手法は,既存のOITをベースとしたガウス版よりも1.5～4倍高速で高品質なレンダリングを実現し,ガウス版におけるOITレンダリングの利点を検証した。
論文 参考訳（メタデータ） (2025-08-05T07:44:30Z) - 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) - PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。
本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
論文 参考訳（メタデータ） (2024-10-29T15:28:15Z)
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。