論文の概要: CaT-GS: Efficient 3DGS Rendering for Large Scale Scenes via Inter-frame Caching and Tile Scheduling
- arxiv url: http://arxiv.org/abs/2607.17842v1
- Date: Mon, 20 Jul 2026 11:33:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.604986
- Title: CaT-GS: Efficient 3DGS Rendering for Large Scale Scenes via Inter-frame Caching and Tile Scheduling
- Title（参考訳）: CaT-GS: フレーム間キャッシングとタイルスケジューリングによる大規模シーンの効率的な3DGSレンダリング
- Abstract要約: CaT-GSは、新しくて効率的な3DGSレンダリングパイプラインである。
従来の3DGSの最大10倍のスピードアップと、これまでの最先端の手法よりも70%のスピードアップを実現している。
- 参考スコア（独自算出の注目度）: 29.831227440392635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent breakthroughs in 3D Gaussian Splatting (3DGS) have advanced neural rendering with high fidelity and speed. However, its performance degrades significantly in large-scale scenes due to the computational burden of tile-based rasterization. Existing optimization efforts either require costly scene re-training or focus on narrow aspects of the pipeline, overlooking critical inefficiencies in real-world deployments. Through a comprehensive analysis, we identify three primary sources of redundancy and low GPU utilization: redundant inter-frame pre-processing, viewpoint-based occlusion redundancy, and severe tile-level load imbalance. To address these issues, we propose CaT-GS, a novel and efficient 3DGS rendering pipeline. CaT-GS introduces a speculative multi-frame preprocessing method to eliminate redundant computations across consecutive frames, and an inter-frame caching mechanism to eliminate viewpoint redundant rendering stages. Furthermore, it refactors rasterization tasks with a dedicated kernel to mitigate tile load imbalance, significantly boosting GPU utilization. Extensive experiments demonstrate that CaT-GS achieves a speedup of up to 10 times over the original 3DGS and up to 70% over previous state-of-the-art methods, establishing a new benchmark for high-fidelity, real-time rendering of large-scale scenes.
- Abstract（参考訳）: 最近の3Dガウススプラッティング(3DGS)のブレークスルーは、高い忠実度とスピードで高度なニューラルレンダリングを実現している。
しかし、タイルベースのラスタ化の計算負荷により、大規模なシーンでは性能が著しく低下する。
既存の最適化作業では、コストのかかるシーンの再トレーニングか、あるいはパイプラインの狭い部分に集中する必要があります。
包括的分析により、冗長性と低GPU利用の3つの主要な源である、冗長なフレーム間前処理、視点ベースオクルージョン冗長、重度のタイルレベルの負荷不均衡を同定する。
これらの問題に対処するために,我々は,新規かつ効率的な3DGSレンダリングパイプラインであるCaT-GSを提案する。
CaT-GSは、連続するフレーム間の冗長な計算を除去する投機的マルチフレーム前処理法と、視点的冗長なレンダリングステージを除去するフレーム間キャッシュ機構を導入している。
さらに、専用のカーネルでラスタライズタスクをリファクタすることで、タイル負荷の不均衡を緩和し、GPU使用率を大幅に向上する。
大規模な実験により、CaT-GSは元の3DGSの最大10倍のスピードアップを実現し、従来の最先端の手法よりも最大70%のスピードアップを実現し、大規模なシーンの高忠実でリアルタイムなレンダリングのための新しいベンチマークを確立した。
関連論文リスト
- TemporalGS: Training-Free Plug-and-Play Acceleration for 3D Gaussian Splatting Rendering via Temporal Priors [19.161651520356124]
3D Gaussian Splatting (3DGS)は、高速かつ高忠実なレンダリングで新規ビュー合成に革命をもたらした。
高いFPSと様々な場面での低レイテンシでのレンダリングは、特にシーンに大量の3Dガウス楕円体が現れる場合、依然として困難である。
我々はTemporalGSを導入し、トレーニング後や後処理なしで3DGSレンダリングを高速化する、トレーニングなしのプラグアンドプレイアルゴリズムを初めて導入した。
論文 参考訳（メタデータ） (2026-07-03T14:46:58Z) - TurboGS: Accelerating 3D Gaussian Splatting via Error-Guided Sparse Pixel Sampling and Optimization [54.179316928687435]
TurboGSは3DGSを高速化するエラー誘導トレーニングフレームワークであり、知覚的に情報のあるピクセルに最適化を集中させることで実現している。
標準ベンチマークの実験では、5090GPUカード1枚で100秒以内にTurboGSが同等または優れたレンダリング品質を提供できることが示されている。
論文 参考訳（メタデータ） (2026-06-14T16:59:48Z) - REFINE: Super-efficient 3D Gaussian Splatting Pruning via Rendering-Free Primitive Importance [58.94345609736356]
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。
論文 参考訳（メタデータ） (2026-06-08T06:16:38Z) - 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) - LOBE-GS: Load-Balanced and Efficient 3D Gaussian Splatting for Large-Scale Scene Reconstruction [24.185537949073723]
3D Gaussian Splatting (3DGS) はリアルタイム・高忠実な3Dシーン再構築のための効率的な表現として確立されている。
本稿では,ロードバランシングと効率的な3DガウススティングフレームワークであるLoBE-GSを紹介する。
LoBE-GSは、最先端のベースラインよりも、エンドツーエンドのトレーニングタイムが最大2ドル高速になる。
論文 参考訳（メタデータ） (2025-10-02T08:02:06Z) - LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。
カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。
本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-05-29T06:50:57Z) - 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) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - LiteGS: A High-performance Framework to Train 3DGS in Subminutes via System and Algorithm Codesign [6.7123686385076615]
3D Gaussian Splatting (3DGS)は、3D表現において有望な代替手段として登場したが、それでも高いトレーニングコストに悩まされている。
本稿では、3DGSトレーニングパイプラインを体系的に最適化する高性能計算フレームワークであるLiteGSを紹介する。
実験の結果、LiteGSはオリジナルの3DGSトレーニングを最大13.4倍、同等または優れた品質で加速した。
論文 参考訳（メタデータ） (2025-03-03T05:52:02Z)
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。