論文の概要: 3D Gaussian Accelerated Ray Tracing: Fast training through particle-based backward propagation
- arxiv url: http://arxiv.org/abs/2608.17298v1
- Date: Tue, 18 Aug 2026 02:50:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.189141
- Title: 3D Gaussian Accelerated Ray Tracing: Fast training through particle-based backward propagation
- Title（参考訳）: 3次元ガウス加速レイトレーシング:粒子ベースの後方伝播による高速トレーニング
- Abstract要約: レイトレーシングガウスレンダリングのための実践的なトレーニングフレームワークである3DGARTを提案する。
私たちのキーとなるアイデアは、ピクセルではなくプリミティブを中心とした後方伝播を再編成することです。
Mip-NeRF 360では、3DGARTは1ピクセルあたりのトレーニングスピードアップを$approx 3-3.5timesで達成している。
- 参考スコア（独自算出の注目度）: 0.00270839927451854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting has made Gaussian primitives a highly efficient representation for real-time novel view synthesis, but its rasterisation-based formulation relies on screen-space approximations that limit accurate view-dependent ordering and the integration of secondary ray effects such as reflections, refractions, and shadows. Gaussian ray tracing addresses these limitations by evaluating explicit ray-primitive intersections, yet it remains costly to train. We observe that the main bottleneck is not ray traversal alone, but the pixel-centric backward propagation, where many threads concurrently accumulate gradients into the same primitive parameters, causing severe atomic contention and thread serialisation. We present 3DGART, a practical training framework for ray-traced Gaussian rendering. Our key idea is to reorganise backward propagation around primitives rather than pixels. Using conservative perspective-correct screen-space bounds, we build a compact intermediate buffer and a tile-primitive mapping that allows each thread to accumulate the contribution of one primitive over its covered pixels within a tile. This transforms gradient computation from a contention-heavy scatter operation into a structured gather-like process. On Mip-NeRF 360, 3DGART achieves an $\approx 3-3.5\times$ raw training speedup over per-pixel baseline and $\approx4 \times$ over 3DGRT on Mip-NeRF 360 while improving quality. More importantly, 3DGART makes fully ray-traced Gaussian training practical, reaching runtimes competitive with rasterisation-based pipelines while preserving benefits of ray tracing.
- Abstract（参考訳）: 3Dガウススプラッティングはガウス原始体をリアルタイムな新規ビュー合成の高効率な表現にしたが、そのラスタライゼーションに基づく定式化は、正確なビュー依存順序を制限するスクリーン空間近似と反射、屈折、影などの二次光効果の統合に依存している。
ガウス線トレーシングは、明示的な光線原始交叉を評価することでこれらの制限に対処するが、訓練には費用がかかる。
主なボトルネックはレイトラバーサルではなく、多くのスレッドが同時に同じ原始パラメータに勾配を蓄積し、原子競合やスレッドシリアライゼーションを引き起こす画素中心の後方伝播である。
レイトレーシングガウスレンダリングのための実践的なトレーニングフレームワークである3DGARTを提案する。
私たちのキーとなるアイデアは、ピクセルではなくプリミティブを中心とした後方伝播を再編成することです。
保守的な視点補正画面空間境界を用いて、コンパクトな中間バッファとタイルプリミティブマッピングを構築し、各スレッドがタイル内の被被覆画素に1つのプリミティブのコントリビューションを蓄積できるようにする。
これにより、勾配計算を競合重みの散乱演算から構造化集合様過程に変換する。
Mip-NeRF 360では、3DGARTが1ピクセルあたりのトレーニングスピードアップを$\approx 3-3.5\times、Mip-NeRF 360で$\approx4 \timesを$3DGRTで達成し、品質を改善した。
さらに重要なのは、3DGARTが完全にレイトレーシングされたガウスのトレーニングを実践し、ラスタライズベースのパイプラインと競合するランタイムに到達し、レイトレーシングの利点を保っていることだ。
関連論文リスト
- ConeGaussian: Anti-Aliased Gaussian Ray-Tracing for Generic Central Cameras [56.46810752790842]
ガウス線レンダリングのためのカメラモデルに依存しないアンチエイリアスフレームワークであるConeGaussianを提案する。
有限画素フットプリントの局所線形,深部局所,モーメントマッチング近似の下で閉形式応答を導出する。
mip-splattingとは異なり、シーン空間の周波数フロアとフィルタリングはレンダリング時に自明な合成を可能にし、余分なぼやけを取り除くことができる。
論文 参考訳（メタデータ） (2026-09-11T18:05:07Z) - Stochastic Ray Tracing for the Reconstruction of 3D Gaussian Splatting [13.614076961940647]
レイトレーシング3DGSの識別可能なソートフリーな定式化について述べる。
標準的な3DGSでは,ソートに基づく3DGSの再現品質と高速化が一致している。
3DGSでは、同じ推定器が、完全に光線を照射したシャドウ線で、ガウスあたりのシェーディングを駆動する。
論文 参考訳（メタデータ） (2026-03-24T18:23:12Z) - GRTX: Efficient Ray Tracing for 3D Gaussian-Based Rendering [4.541956402929217]
GRTXは,3次元ガウスレンダリングのための効率的なレイトレーシングを実現するソフトウェアとハードウェアの最適化である。
まず、ガウス原始体に対する合理化加速構造を構築するための新しい手法を提案する。
第2に、レイトレーシングユニット内のチェックポインティングのための専用ハードウェアサポートを提案する。
評価の結果,GRTXはハードウェアコストが無視できるベースラインに比べてレイトレーシング性能が著しく向上していることがわかった。
論文 参考訳（メタデータ） (2026-01-28T09:37:12Z) - RaySplats: Ray Tracing based Gaussian Splatting [6.808029514985239]
3D Gaussian Splatting(3DGS)は、2D画像から直接3Dオブジェクトを作成することができるプロセスである。
本稿では,レイトレーシングをベースとしたSplattingモデルであるRaySplatsを紹介する。
論文 参考訳（メタデータ） (2025-01-31T15:05:06Z) - 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) - AdR-Gaussian: Accelerating Gaussian Splatting with Adaptive Radius [38.774337140911044]
3D Gaussian Splatting (3DGS)は、複雑なシーンの高品質な再構成とリアルタイムレンダリングを実現した、最近の明示的な3D表現である。
本稿では,AdR-Gaussianを提案する。これは並列カリングを実現するために,Renderステージのシリアルカリングの一部を前処理ステージに移動させる。
私たちのコントリビューションは3倍で、レンダリング速度は310%で、最先端技術よりも同等かそれ以上品質を維持しています。
論文 参考訳（メタデータ） (2024-09-13T09:32:38Z) - 3D Gaussian Ray Tracing: Fast Tracing of Particle Scenes [50.36933474990516]
本研究は, 粒子のトレーシング, 境界体積階層の構築, 高性能なレイトレーシングハードウェアを用いた各画素のレイキャストについて考察する。
半透明粒子の多量処理を効率的に行うために,有界メッシュで粒子をカプセル化するアルゴリズムについて述べる。
実験は、我々のアプローチの速度と精度、およびコンピュータグラフィックスとビジョンにおけるいくつかの応用を実証する。
論文 参考訳（メタデータ） (2024-07-09T17:59:30Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
スパース入力によるNeRFの性能向上のための新しい手法を提案する。
まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。
次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
論文 参考訳（メタデータ） (2024-03-25T15:56:17Z) - 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。