論文の概要: XPR: An Extensible Cross-Platform Point-Based Differentiable Renderer

• arxiv url: http://arxiv.org/abs/2606.11529v1
• Date: Wed, 10 Jun 2026 00:19:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.221442
• Title: XPR: An Extensible Cross-Platform Point-Based Differentiable Renderer
• Title（参考訳）: XPR: 拡張可能なクロスプラットフォームポイントベース微分可能なレンダラー
• Authors: Steve Rhyner, Sankeerth Durvasula, Aleksandr Kovalev, Hansel Jia, Adrian Zhao, Mrutunjayya Mrutunjayya, Nilesh Ahuja, Selvakumar Panneer, Christina Giannoula, Nandita Vijaykumar,
• Abstract要約: XPRは、ポイントベースの微分レンダリングのためのクロスプラットフォームフレームワークである。 レンダリングをモジュール化された静的な並列操作に分解する。 XLAコンパイラを使って、様々なハードウェアプラットフォームにコンパイルできる。
• 参考スコア（独自算出の注目度）: 32.95680414020868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point-based differentiable rendering underpins modern 3D reconstruction, novel-view synthesis, and learning-based graphics pipelines, but developing new rendering methods often requires extensive low-level implementation, hardware-specific kernels, and manually written backward passes. This limits rapid prototyping, reproducibility, exploration, and deployment, especially across diverse hardware platforms. This paper presents XPR, an extensible cross-platform framework for point-based differentiable rendering. XPR introduces a high-level programming interface that separates method-specific logic from the shared rendering pipeline, allowing users to implement new methods in a few lines of code. Its pipeline decomposes rendering into modular, statically shaped parallel operations that can be lowered by a cross-platform compiler to GPUs, TPUs, CPUs, and other ML accelerators. We demonstrate implementations of 3DGS, 3DGUT, and LinPrim, with only a few 100s lines of Python code, each of which can be compiled to a range of hardware platforms with the XLA compiler. These results show that XPR enables fast experimentation and portable execution for emerging point-based differentiable rendering systems.
• Abstract（参考訳）: ポイントベースの微分可能レンダリングは、現代の3D再構成、ノベルビュー合成、学習ベースのグラフィックパイプラインを基盤としていますが、新しいレンダリング手法を開発するには、広範囲な低レベル実装、ハードウェア固有のカーネル、手書きの後方パスが必要です。 これにより、高速なプロトタイピング、再現性、探索、デプロイメントが制限される。 本稿では,ポイントベース微分可能レンダリングのための拡張可能なクロスプラットフォームフレームワークであるXPRを提案する。 XPRは、メソッド固有のロジックを共有レンダリングパイプラインから分離し、ユーザが数行のコードで新しいメソッドを実装することができる、ハイレベルなプログラミングインターフェースを導入している。 そのパイプラインは、レンダリングをモジュラーで静的な形をした並列処理に分解し、クロスプラットフォームコンパイラによってGPU、TPU、CPU、その他のMLアクセラレータに低下させることができる。 3DGS、3DGUT、LinPrimの実装は、わずか100行のPythonコードだけで、それぞれがXLAコンパイラで様々なハードウェアプラットフォームにコンパイルできる。 これらの結果から,XPRは新たなポイントベース微分可能レンダリングシステムに対して,高速な実験とポータブルな実行を可能にすることが示された。

関連論文リスト

• X-GS: An Extensible Open Framework for Perceiving and Thinking via 3D Gaussian Splatting [72.02343855552051]
  我々は、X-GS-PerceiverとX-GS-Thinkerの2つの主要コンポーネントからなるオープンフレームワークであるX-GSを紹介する。 Perceiverは、リアルタイムオンラインSLAMを可能にするために、幅広い3DGS技術を統合する。 Thinkerは視覚サンプリングモデルに対応し、結果の3Dセマンティック・ガウシアンを使用し、オブジェクト検出、キャプション生成、潜在的に具体化されたタスクなどの下流アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2026-03-10T13:10:18Z)
• PolyBlocks: A Compiler Infrastructure for AI Chips and Programming Frameworks [1.7856410179559388]
  PolyBlocksは、AIプログラミングフレームワークとAIチップのための、モジュール的で再利用可能なMLIRベースのコンパイラインフラストラクチャである。 PolyBlocksの設計とアーキテクチャにより、高レベルなフレームワークから低レベルなターゲット特化言語への完全な自動コード生成が可能になる。
  論文  参考訳（メタデータ） (2026-03-06T03:45:50Z)
• PatchAlign3D: Local Feature Alignment for Dense 3D Shape understanding [67.15800065888887]
  現在の3次元形状の基礎モデルは、グローバルなタスク(検索、分類)において優れているが、局所的な部分レベルの推論には不十分である。 本稿では,ポイントクラウドから直接,言語対応のパッチレベル機能を生成するエンコーダのみの3Dモデルを提案する。 我々の3Dエンコーダは、テストタイムのマルチビューレンダリングなしで高速なシングルパス推論によるゼロショット3D部分分割を実現する。
  論文  参考訳（メタデータ） (2026-01-05T18:55:45Z)
• Visionary: The World Model Carrier Built on WebGPU-Powered Gaussian Splatting Platform [104.39464309969253]
  Visionaryは、リアルタイムな様々なガウススティングとレンダリングのための、オープンでWebネイティブなプラットフォームである。 Visionaryは、軽量で“クリック・トゥ・ラン”なブラウザエクスペリエンスを維持しながら、動的ニューラル処理を可能にする。
  論文  参考訳（メタデータ） (2025-12-09T10:54:58Z)
• Triangle Splatting+: Differentiable Rendering with Opaque Triangles [54.18495204764292]
  微分可能なスティングフレームワーク内での三角形を直接最適化するTriangle Splatting+を導入する。 本手法は, 視覚的忠実度において, より効率的かつ高速なトレーニングを継続しながら, 従来のスプレイティング手法を超越した手法である。 結果として生じるセミコネクテッドメッシュは、物理ベースのシミュレーションやインタラクティブなウォークスルーのような下流のアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-09-29T17:43:46Z)
• ML-Triton, A Multi-Level Compilation and Language Extension to Triton GPU Programming [2.4665562732779773]
  Tritonは、より高いレベルでプログラミングによって、よりユーザフレンドリでポータブルな代替手段を提供するDSLです。 マルチレベルのコンパイルフローとプログラミングインタフェースを備えたML-Tritonを提案する。 提案手法は,Intel GPU上でのエキスパート記述カーネルの95%以上の性能を実現する。
  論文  参考訳（メタデータ） (2025-03-19T08:31:39Z)
• Scaling Tractable Probabilistic Circuits: A Systems Perspective [53.76194929291088]
  PyJuiceは、いくつかの点で先行技術を改善するPCの一般的な実装設計である。 大規模PCのトレーニングでは、既存のシステムよりも1～2桁高速である。 PyJuiceは2～5倍のメモリを消費するので、より大きなモデルをトレーニングすることができます。
  論文  参考訳（メタデータ） (2024-06-02T14:57:00Z)
• StreamBlocks: A compiler for heterogeneous dataflow computing (technical report) [1.5293427903448022]
  この作業では、オープンソースのコンパイラとランタイムであるStreamBlocksを導入し、CALデータフロープログラミング言語を使用して、プラットフォーム間で計算処理を分割する。 StreamBlocksは、最高のハードウェア/ソフトウェアパーティションを特定するためのプロファイル誘導ツールを使用して、デザインスペースの探索をサポートする。
  論文  参考訳（メタデータ） (2021-07-20T08:46:47Z)

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。