論文の概要: Seeing What Matters: Perceptual Wrapper with Common Randomness for 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2606.11782v1
- Date: Wed, 10 Jun 2026 08:14:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.356715
- Title: Seeing What Matters: Perceptual Wrapper with Common Randomness for 3D Gaussian Splatting
- Title（参考訳）: 問題:3次元ガウス切削における共通ランダム性を有する知覚的ラッパー
- Authors: He-Bi Yang, Jing-Zhong Chen, Yen-Kuan Ho, Sang NguyenQuang, Fan-Yi Hsu, Yun-Yu Lee, Jui-Chiu Chiang, Wen-Hsiao Peng,
- Abstract要約: 3D Gaussian Splatting (3DGS) はリアルタイムレンダリングを実現するが、高周波テクスチャの合成に苦慮している。
本稿では,既存の3DGS表現の描画出力をコンテンツとビューに依存した方法で拡張する多目的2D知覚ラッパーを提案する。
- 参考スコア（独自算出の注目度）: 8.053023331297602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While 3D Gaussian Splatting (3DGS) achieves impressive real-time rendering, it frequently struggles to synthesize high-frequency textures, a limitation heavily exacerbated in memory-constrained and rate-distortion-optimized (RDO) pipelines. To address this, we propose a versatile 2D perceptual wrapper that enhances the rendered outputs of existing 3DGS representations in a content- and view-dependent manner. Our method leverages a lightweight synthesis network conditioned on pseudo-random Gaussian noise to synthesize perceptually plausible textures. Supervised by Wasserstein Distortion, the network learns to match local feature statistics rather than strictly enforcing pixel-wise reconstruction fidelity, effectively mitigating the blurriness inherent in standard frameworks. We demonstrate the broad applicability of our plug-and-play approach across vanilla, memory-constrained, and RDO 3DGS methods. Comprehensive subjective and objective experiments confirm that our method significantly improves over existing baselines, yielding superior perceptual quality at sharply reduced file or model sizes.
- Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は印象的なリアルタイムレンダリングを実現する一方で、高頻度テクスチャの合成に苦慮することが多い。
そこで本研究では,既存の3DGS表現の描画出力をコンテンツとビューに依存した方法で拡張する多目的2D知覚ラッパーを提案する。
本手法は,擬似ランダムガウス雑音を前提とした軽量合成ネットワークを利用して,知覚可能なテクスチャを合成する。
Wasserstein Distortionによって監督されたこのネットワークは、ピクセル単位の再構成フィリティを厳密に強制するのではなく、局所的な特徴統計と一致することを学習し、標準フレームワークに固有の曖昧さを効果的に軽減する。
我々は,バニラ,メモリ制限,RDO3DGS法にまたがるプラグイン・アンド・プレイ方式の適用性を示した。
包括的主観的および客観的実験により,本手法は既存のベースラインよりも大幅に改善され,ファイルサイズやモデルサイズが激減した場合に知覚品質が向上することを確認した。
関連論文リスト
- 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) - EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - 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) - Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels [51.08794269211701]
本稿では,ガウスカーネルを線形カーネルに置き換えて,よりシャープで高精度な結果を得る3Dリニアスティング(DLS)を提案する。
3DLSは、最先端の忠実さと正確さを示し、ベースライン3DGSよりも30%のFPS改善を実現している。
論文 参考訳（メタデータ） (2024-11-19T11:59:54Z) - 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) - GaussianDiffusion: 3D Gaussian Splatting for Denoising Diffusion Probabilistic Models with Structured Noise [0.0]
本稿では3Dコンテンツ生成フレームワークであるGaussian Diffusionについて,Gaussian Splattingに基づく新しいテキストを紹介した。
3次元生成における多視点一貫性の実現という課題は、モデリングの複雑さと精度を著しく損なう。
本稿では,3次元外観の質と安定性を高めるため,変分ガウススメッティング法を提案する。
論文 参考訳（メタデータ） (2023-11-19T04:26:16Z)
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。