論文の概要: Monte Carlo Energy Aggregation for Mobile 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2606.30017v1
- Date: Mon, 29 Jun 2026 09:21:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.161484
- Title: Monte Carlo Energy Aggregation for Mobile 3D Gaussian Splatting
- Title（参考訳）: 移動型3次元ガウス平板のモンテカルロエネルギー集約
- Abstract要約: 本稿では,資源忠実度の高いモバイルプラットフォームにおいて,高制約のレンダリングを実現するために,リアルタイムなガウス分割手法を提案する。
Flux-GSは、競合する視覚的品質を維持しながら、かなりのパラメータ削減を実現し、リアルタイムモバイルレンダリングのための堅牢でスケーラブルなソリューションを提供する。
- 参考スコア（独自算出の注目度）: 14.253579453137364
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in 3D Gaussian Splatting have demonstrated unprecedented success in novel view synthesis. However, the substantial inference and storage overhead driven by high-order Spherical Harmonics (SH) are primary bottlenecks for mobile platforms. In this paper, we present Flux-GS, a real-time Gaussian Splatting method designed to achieve high-fidelity rendering with significantly reduced overhead for resource-constrained mobile platforms. We first propose a Monte Carlo Specular Energy Aggregator, sampling third-order radiance residuals and aggregating specular energy into a compact latent space. In this way, our method effectively preserves visually salient lighting features in lower-order bands without expensive distillation or pre-training. To mitigate the high-frequency details lost during compression, we introduce an Attribute-Conditioned SH Enhancement module. This module predicts Gaussian-aware offsets based on intrinsic Gaussian attributes, which enhance the first-order SH representation prior to inference, without extra inference costs. Furthermore, the original single-view gradient-based densification is prone to producing excessive Gaussians and overfitting to a certain view. We address these limitations by proposing a Multi-view Alpha-based Densification and Pruning strategy. By leveraging multi-view guidance, we ensure multi-view structure consistency and the precise removal of redundant primitives. Extensive experiments demonstrate that Flux-GS achieves substantial parameter reduction while maintaining competitive visual quality, offering a robust and scalable solution for real-time mobile rendering. Code: \textcolor{magenta}{\href{https://xiaobiaodu.github.io/flux-gs-project/}{https://xiaobiaodu.github.io/flux-gs-project/}}.
- Abstract（参考訳）: 3Dガウススプラッティングの最近の進歩は、新規な視点合成において前例のない成功を収めた。
しかし、高次のSpherical Harmonics(SH)によって引き起こされるかなりの推測とストレージオーバーヘッドは、モバイルプラットフォームの主要なボトルネックである。
本稿では,資源制約のあるモバイルプラットフォームにおいて,高忠実度レンダリングを実現するためのリアルタイムガウス分割法であるFlux-GSを提案する。
まずモンテカルロ分光エネルギーアグリゲータを提案し、3階の放射残差をサンプリングし、スペクトルエネルギーをコンパクトな潜在空間に集約する。
そこで本手法は,高額な蒸留や事前学習を行うことなく,低次帯における視覚的に有意な照明特性を効果的に維持する。
圧縮時に失われる高周波の詳細を緩和するため,Attribute-Conditioned SH Enhancementモジュールを導入する。
このモジュールは、固有ガウス属性に基づいてガウス認識オフセットを予測し、余分な推論コストを伴わずに、推論の前に一階のSH表現を強化する。
さらに、元々の単視点勾配に基づく密度化は、過剰なガウスを発生させ、ある視点に過度に適合する傾向にある。
マルチビュー・アルファ・ベース・デンシフィケーション・プルーニング戦略を提案することで,これらの制約に対処する。
マルチビューガイダンスを利用することで、マルチビュー構造整合性を確保し、冗長プリミティブを正確に除去する。
大規模な実験により、Flux-GSは、競合する視覚的品質を維持しながら、かなりのパラメータ削減を実現し、リアルタイムなモバイルレンダリングのための堅牢でスケーラブルなソリューションを提供する。
コード: \textcolor{magenta}{\href{https://xiaobiaodu.github.io/flux-gs-project/}{https://xiaobiaodu.github.io/flux-gs-project/}}
関連論文リスト
- Flash-Mono: Feed-Forward Accelerated Gaussian Splatting Monocular SLAM [30.770651925808846]
本稿では,3つのコアモジュールからなるシステムであるFlash-Monoを紹介する。
マルチフレームコンテキストを活用するフィードフォワードパラダイムは、これらの課題に対処するために不可欠である。
ガウス属性を直接予測することにより、最適化に基づくGS-SLAMに必要なフレーム毎の負担を回避できる。
論文 参考訳（メタデータ） (2026-04-03T15:17:23Z) - GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。
大量のガウス点があるため、高いメモリコストに制約される。
コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文 参考訳（メタデータ） (2026-04-02T10:41:51Z) - Mobile-GS: Real-time Gaussian Splatting for Mobile Devices [16.605749198745105]
3D Gaussian Splatting (3DGS)は、幅広いアプリケーションにわたる高品質なレンダリングの強力な表現として登場した。
エッジデバイス上でのガウス的スプレイティングの効率的な推論を可能にする,Mobile-GS と呼ばれる移動調整型リアルタイムガウス的スプレイティング手法を提案する。
提案するMobile-GSは,視覚的品質を保ちながら,リアルタイムレンダリングとコンパクトなモデルサイズを実現し,モバイルアプリケーションに適している。
論文 参考訳（メタデータ） (2026-03-12T04:33:04Z) - Augmented Radiance Field: A General Framework for Enhanced Gaussian Splatting [16.088036048557914]
3D Gaussian Splatting (3DGS) が放射場再構成の先駆的手法として登場している。
本稿では、ビュー依存不透明性による特異効果を明示的にモデル化する拡張ガウスカーネルを提案する。
我々の手法は、レンダリング性能において最先端のNeRF法を超えるだけでなく、パラメータ効率も向上する。
論文 参考訳（メタデータ） (2026-02-23T14:55:31Z) - Gaussian Herding across Pens: An Optimal Transport Perspective on Global Gaussian Reduction for 3DGS [13.03299802566674]
3DGSは、放射場レンダリングの強力な技術として登場したが、通常は数百万の冗長なガウスプリミティブを必要とする。
本稿では,グローバルなガウス混合還元として3DGSのコンパクト化を推し進める,新しい最適輸送視点を提案する。
本手法は,バニラおよび加速3DGSパイプラインの任意の段階に適用可能であり,軽量なニューラルレンダリングへの効率的かつ非依存的な経路を提供する。
論文 参考訳（メタデータ） (2025-06-11T09:04:44Z) - 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) - ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。
近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。
本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
論文 参考訳（メタデータ） (2025-03-21T18:55:14Z) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [100.90743697473232]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
スパースビューからのシーン再構成が可能な3次元ガウススプラッティングに基づくビュー合成フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z) - GES: Generalized Exponential Splatting for Efficient Radiance Field Rendering [112.16239342037714]
GES(Generalized Exponential Splatting)は、GEF(Generalized Exponential Function)を用いて3Dシーンをモデル化する斬新な表現である。
周波数変調損失の助けを借りて、GESは新規なビュー合成ベンチマークにおいて競合性能を達成する。
論文 参考訳（メタデータ） (2024-02-15T17:32:50Z) - LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS [55.85673901231235]
光ガウシアン(LightGaussian)は、3次元ガウシアンをよりコンパクトなフォーマットに変換する方法である。
ネットワーク・プルーニングにインスパイアされたLightGaussianは、ガウシアンをシーン再構築において最小限のグローバルな重要性で特定した。
LightGaussian は 3D-GS フレームワークで FPS を 144 から 237 に上げながら,平均 15 倍の圧縮率を達成する。
論文 参考訳（メタデータ） (2023-11-28T21:39:20Z)
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。