論文の概要: MeshSplatBench: A Unified Benchmark for Triangle-Based Neural Rendering

• arxiv url: http://arxiv.org/abs/2609.01306v1
• Date: Tue, 01 Sep 2026 14:32:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.766333
• Title: MeshSplatBench: A Unified Benchmark for Triangle-Based Neural Rendering
• Title（参考訳）: MeshSplatBench: 三角形ベースのニューラルレンダリングのための統一ベンチマーク
• Authors: Kaixuan Zhang, Minxian Li, Mingwu Ren, Xiatian Zhu,
• Abstract要約: 三角形ベースのニューラルレンダリングは、標準化ハードウェアと互換性のある明示的なプリミティブによるシーン表現と従来のグラフィックパイプラインを橋渡しする。 既存のアプローチは、ほとんどカスタムリサーチでのみ評価され、実運用エンジンにおける実際のデプロイ可能性を見極めている。 MeshSplatBenchは、ネイティブ最適化からゲームエンジンデプロイメントに至るまで、完全なパイプライン全体にわたる三角形ベースのレンダリングを体系的に調査する。
• 参考スコア（独自算出の注目度）: 46.941178349583204
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Triangle-based neural rendering bridges neural scene representations and conventional graphics pipelines by optimizing explicit geometric primitives compatible with standard rasterization hardware. However, existing approaches are evaluated almost exclusively within custom research renderers, obscuring their practical deployability in production engines. To bridge this gap, we introduce \textbf{MeshSplatBench}, a unified benchmark that systematically investigates triangle-based neural rendering across the complete pipeline from native optimization to game-engine deployment. MeshSplatBench establishes a standardized evaluation protocol while preserving each method's native optimization semantics, reproducing published results within $0.8\%$ PSNR deviation. Furthermore, we introduce a hierarchical Unity deployment protocol spanning three rendering tiers: native CUDA renderers, method-specific dedicated engine shaders, and standard opaque mesh pipelines, isolating the exact fidelity losses caused by engine adaptation \textit{vs.} representation reduction. Finally, we conduct a topological audit of reconstructed surfaces, demonstrating that explicit connectivity and shared indexing alone are insufficient to guarantee production-ready assets due to prevalent non-manifold structures, fragmented components, and boundary artifacts. Overall, MeshSplatBench demonstrates that rasterizability is merely a primitive-level attribute, whereas graphics readiness requires jthe holistic alignment of representation, topology, and engine compatibility. Source code will be released.
• Abstract（参考訳）: 三角形ベースのニューラルレンダリングは、標準的なラスタライズハードウェアと互換性のある明示的な幾何学的プリミティブを最適化することにより、ニューラルシーン表現と従来のグラフィックパイプラインをブリッジする。 しかし、既存のアプローチは、主にカスタムリサーチレンダラー内で評価され、実運用エンジンにおける実際のデプロイ可能性を見極めている。 このギャップを埋めるため、ネイティブ最適化からゲームエンジン展開まで、完全なパイプライン全体にわたる三角形ベースのニューラルレンダリングを体系的に調査する統一ベンチマークである \textbf{MeshSplatBench} を導入する。 MeshSplatBenchは、各メソッドのネイティブな最適化セマンティクスを保持しながら標準化された評価プロトコルを確立し、公表された結果を0.8 %$ PSNRの偏差で再現する。 さらに、ネイティブCUDAレンダラー、メソッド固有の専用エンジンシェーダ、標準不透明メッシュパイプラインの3つのレンダリング層にまたがる階層的なUnityデプロイメントプロトコルを導入し、エンジン適応による正確な忠実さ損失を分離する。 表現の削減。 最後に、再構成された表面のトポロジ的な監査を行い、明示的な接続性や共有インデックス化だけでは、一般的な非多様体構造、断片化コンポーネント、境界アーティファクトによる生産可能な資産を保証するには不十分であることを示した。 全体として、MeshSplatBenchはラスタライザビリティが単なるプリミティブレベルの属性であることを示している。 ソースコードはリリースされます。

関連論文リスト

• QuerySplat: Decoupling Geometry and Appearance Representations in 3DGS Prediction [25.05567017307621]
  textbfQuerySplatは、幾何学的先行と明示的な外見の疎結合によって駆動されるフィードフォワード3DGSフレームワークである。 実験によると、QuerySplatは初期のクエリベースのモデルの曖昧なレンダリング問題を緩和する。 挑戦的なDL3DVベンチマークでは、ポーズフリーでポーズ要求のベースラインよりも平均2.30dBと1.04dBのPSNRゲインを持つ最先端の新規ビュー合成性能を達成している。
  論文  参考訳（メタデータ） (2026-08-02T12:12:02Z)
• EPO: Boosting 3D Foundation Models with Edge-based Pose Optimization [11.971889992504936]
  3Dファウンデーションモデルは、従来のパイプラインの時間を要する特徴抽出とマッチングステージをバイパスすることで、迅速な推論を実現する。 本フレームワークでは,形状最適化のためのプロキシとしてエッジマップアライメントを使用し,特徴抽出やトラック構築を完全に回避している。
  論文  参考訳（メタデータ） (2026-07-01T08:02:17Z)
• Seeing What Matters: Perceptual Wrapper with Common Randomness for 3D Gaussian Splatting [8.053023331297602]
  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。
  論文  参考訳（メタデータ） (2026-06-10T08:14:47Z)
• TriSplat: Simulation-Ready Feed-Forward 3D Scene Reconstruction [65.03268438396556]
  TriSplatは、向き付けられた三角形のプリミティブを持つシーンを表すフィードフォワード再構築ネットワークである。 シミュレーション可能なメッシュシーンを1つのフォワードパスからエクスポートする。 RealEstate10K と DL3DV の実験により、この表現はガウスのフィードフォワードベースラインよりも幾何に忠実な再構成を生成することが示された。
  論文  参考訳（メタデータ） (2026-05-25T17:59:53Z)
• Joint Semantic and Rendering Enhancements in 3D Gaussian Modeling with Anisotropic Local Encoding [86.55824709875598]
  本稿では,セマンティックとレンダリングの両方を相乗化する3次元セマンティックガウスモデリングのための統合拡張フレームワークを提案する。 従来の点雲形状符号化とは異なり、細粒度3次元形状を捉えるために異方性3次元ガウシアン・チェビシェフ記述子を導入する。 我々は、学習した形状パターンを継続的に更新するために、クロスシーンの知識伝達モジュールを使用し、より高速な収束と堅牢な表現を可能にします。
  論文  参考訳（メタデータ） (2026-01-05T18:33:50Z)
• NF-SLAM: Effective, Normalizing Flow-supported Neural Field representations for object-level visual SLAM in automotive applications [20.963261049295085]
  暗黙的な符号付き距離関数による3次元形状を表現する自動車アプリケーションのための視覚のみのオブジェクトレベルSLAMフレームワークを提案する。 私たちの重要なイノベーションは、正規化フローネットワークによる標準神経表現の増強です。 新たに提案されたアーキテクチャは、スパースデータとノイズデータのみの存在下での大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2025-03-14T08:46:56Z)
• LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
  線形プリミティブに基づく2つの新しいシーン表現を導入する。 我々はGPU上で効率的に動作する異なるオクタライザを提案する。 我々は最先端の手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2025-01-27T18:49:38Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• Improving neural implicit surfaces geometry with patch warping [12.106051690920266]
  これはニューラルネットワークによる高周波テクスチャの学習と描画が難しいことによるものだ、と私たちは主張する。 我々は、異なる視点で直接光一貫性項を標準のニューラルレンダリング最適化に追加することを提案する。 我々は、標準的なDTUおよびEPFLベンチマークでNeuralWarpと呼ばれるアプローチを評価し、両方のデータセットにおいて、教師なしの暗黙的表面再構成の状態を20%以上向上させることを示す。
  論文  参考訳（メタデータ） (2021-12-17T17:43:50Z)

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。