論文の概要: Laplacian Frequency Hierarchies for Efficient 3D Gaussian Splatting Training
- arxiv url: http://arxiv.org/abs/2609.03334v1
- Date: Thu, 03 Sep 2026 03:46:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:38.905123
- Title: Laplacian Frequency Hierarchies for Efficient 3D Gaussian Splatting Training
- Title（参考訳）: 効率的な3次元ガウス切削訓練のためのラプラシアン周波数階層
- Abstract要約: 3Dガウススプラッティングトレーニングにおける重要なボトルネックは、ガウス原始体の連続的な成長である。
本稿では、ラプラシアン画像分解と粗大な周波数ステージトレーニングを組み合わせた簡易で効率的な3DGS方式であるラプラシアン周波数階層を提案する。
平均速度は1Kで1.73xと1.21x、タミング3DGSとFastGSで4Kで1.74xと1.33xとなる。
- 参考スコア（独自算出の注目度）: 10.003234443699606
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A key bottleneck in 3D Gaussian Splatting training is the continual growth of Gaussian primitives, which increases optimization cost and slows convergence, especially at high resolutions. We propose Laplacian Frequency Hierarchies, a simple yet efficient 3DGS scheme that combines Laplacian image decomposition with coarse-to-fine, frequency-staged training. After fitting lower-frequency structure, we archive the corresponding Gaussian field so that subsequent fields can optimize higher-frequency residuals without carrying the full primitive burden, and we compose the rendered components in the image domain via a Laplacian-style reconstruction at inference time. This design reduces the number of active Gaussians during training, thereby lowering optimization overhead and accelerating training. The proposed scheme is plug-and-play and orthogonal to prior 3DGS accelerations: it can be directly combined with strong backbones such as Taming-3DGS and FastGS to improve training speed with competitive reconstruction quality. It achieves average speedups of 1.73x and 1.21x at 1K setting, and 1.74x and 1.33x at 4K setting on Taming-3DGS and FastGS, with larger gains on more challenging scenes and increasingly pronounced benefits at higher resolutions.
- Abstract（参考訳）: 3Dガウススプラッティングトレーニングにおける重要なボトルネックはガウス原始体の連続的な成長であり、特に高分解能において最適化コストを増大させ収束を遅くする。
本稿では、ラプラシアン画像分解と粗大な周波数ステージトレーニングを組み合わせた簡易で効率的な3DGS方式であるラプラシアン周波数階層を提案する。
低周波構造を適合させた後、対応するガウス場をアーカイブし、後続のフィールドが完全なプリミティブな負担を負わずに高周波残差を最適化できるようにする。
この設計は、トレーニング中のアクティブなガウスの数を減らし、最適化オーバーヘッドを減らし、トレーニングを加速させる。
Taming-3DGSやFastGSといった強力なバックボーンと直接結合することで、競争力のある再構築品質でトレーニング速度を向上させることができる。
1K設定で1.73xと1.21x、タミング3DGSとFastGSの4K設定で1.74xと1.33xの平均スピードアップを達成する。
関連論文リスト
- ATSplat: Compact Feed-forward 3D Gaussian Splatting with Adaptive Token Expansion [60.00320387969695]
ATSplatはフィードフォワード3DGSフレームワークで、3DGS最適化のアダプティブアロケーション機能を復元する。
12の入力画像の解像度が512倍の960ドルから、ATSplatは1つの商用GPUを使用して1秒未満で再構築を完了した。
論文 参考訳（メタデータ） (2026-07-22T17:54:44Z) - 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) - ImprovedGS+: A High-Performance C++/CUDA Re-Implementation Strategy for 3D Gaussian Splatting [0.0]
ImprovedGS 戦略の高性能かつ低レベルな再発明である ImprovedGS+ を提案する。
高レベルのPythonロジックからハードウェア最適化のC++/CUDAカーネルに移行することで、ホストデバイス同期とトレーニングレイテンシを大幅に削減できる。
論文 参考訳（メタデータ） (2026-03-09T17:38:27Z) - Speedy Deformable 3D Gaussian Splatting: Fast Rendering and Compression of Dynamic Scenes [57.69608119350651]
動的シーンへの3次元ガウススティング(3DGS)の最近の拡張は、ニューラルネットワークを用いて各ガウスの時間変化変形を予測することによって、高品質な新規ビュー合成を実現する。
しかしながら、ガウス毎のニューラルネットワークを各フレームで実行することは、レンダリング速度を制限し、メモリと計算要求を増大させる、重大なボトルネックとなる。
動的3DGSおよび4DGS表現のレンダリング速度を2つの相補的手法により低減し,高速化する汎用パイプラインであるSpeedy Deformable 3D Gaussian Splatting(SpeeDe3DGS)を提案する。
論文 参考訳（メタデータ） (2025-06-09T16:30:48Z) - GSta: Efficient Training Scheme with Siestaed Gaussians for Monocular 3D Scene Reconstruction [4.865050337780373]
Gaussian Splatting (GS)は3D再構成の一般的なアプローチである。
大規模なストレージとメモリの要求に悩まされる。
本稿では,訓練中によく収束したガウスを同定するGStaを提案する。
論文 参考訳（メタデータ） (2025-04-09T09:17:56Z) - DashGaussian: Optimizing 3D Gaussian Splatting in 200 Seconds [71.37326848614133]
3DGSの最適化複雑性に関するスケジューリング手法であるDashGaussianを提案する。
提案手法は, 各種3DGSバックボーンの最適化を平均45.7%高速化する。
論文 参考訳（メタデータ） (2025-03-24T07:17:27Z) - Gaussian On-the-Fly Splatting: A Progressive Framework for Robust Near Real-Time 3DGS Optimization [8.422116335889163]
3D Gaussian Splatting (3DGS) は高速なリアルタイム性能で高忠実なレンダリングを実現する。
既存の方法は、完全なStructure-from-Motion (SfM)処理後のオフライントレーニングに依存している。
画像キャプチャ中にほぼリアルタイムで3DGSを最適化できるプログレッシブフレームワークであるOn-the-Fly GSを紹介する。
論文 参考訳（メタデータ） (2025-03-17T11:47:58Z) - 3DGS-LM: Faster Gaussian-Splatting Optimization with Levenberg-Marquardt [65.25603275491544]
3DGS-LM, 3D Gaussian Splatting(3DGS)の再構築を高速化する新しい手法を提案する。
提案手法は, 元の3DGSよりも20%高速であり, 再構成品質の最適化が可能である。
論文 参考訳（メタデータ） (2024-09-19T16:31:44Z) - Taming 3DGS: High-Quality Radiance Fields with Limited Resources [50.92437599516609]
3D Gaussian Splatting (3DGS)は、高速で解釈可能で高忠実なレンダリングで新規ビュー合成を変換した。
予算で3DGSモデルをトレーニングし、レンダリングするという課題に取り組みます。
我々は、勾配計算と属性更新のための高速で数値的に等価な解を導出する。
論文 参考訳（メタデータ） (2024-06-21T20:44:23Z)
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。