論文の概要: Compact Neural Appearance Models for Efficient Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2609.05255v1
- Date: Fri, 04 Sep 2026 15:18:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:24.09953
- Title: Compact Neural Appearance Models for Efficient Gaussian Splatting
- Title（参考訳）: 効率的なガウススプレイティングのためのコンパクトなニューラル外観モデル
- Abstract要約: 低次球面調和(SH)を用いた3次元ガウス・スプラッティングのような原始的基礎放射場は、一般的にビュー依存の外観をモデル化する
本稿では、SHと最近の球面外見モデルとの徹底的なエンドツーエンド比較について述べる。
我々は、小さな共有パイプラインを使用して、コンパクトなプリミティブごとの潜伏符号をデコードする暗黙の代替手法を導入する。
- 参考スコア（独自算出の注目度）: 1.579851447355843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Explicit primitive-based radiance fields such as 3D Gaussian Splatting typically model view-dependent appearance using low-order spherical harmonics (SH). Although efficient to evaluate, SH coefficients dominate per-primitive storage and memory traffic, while their band-limited basis restricts angular detail. We present a thorough, end-to-end comparison of SH and recent spherical appearance models and introduce an implicit alternative that decodes compact per-primitive latent codes using a tiny shared MLP. We integrate all models into the same optimized pipeline, fusing their forward and backward passes into a differentiable CUDA rasterizer and provide a portable WebGL viewer for laptop and mobile GPUs. Our evaluation across reconstruction quality, memory use, and optimization and rendering performance shows that recent spherical models offer the strongest overall quality-efficiency trade-off. Our neural representation is the most compact model evaluated and, compared to third-degree SH, reduces the per-primitive appearance footprint from 192 to 28 bytes, accelerates optimization by 1.3$\times$, while improving reconstruction quality. We further analyze how appearance parametrization shapes optimization, identifying differences in recovered geometry and the tendency of expressive models to absorb non-static scene content. Together, our framework and analysis provide practical guidance for replacing SH beyond what image metrics alone can capture.
- Abstract（参考訳）: 3Dガウス・スプラッティングのような露骨な原始的放射場は、通常、低次球面調和 (SH) を用いてビュー依存の外観をモデル化する。
評価は効率的だが、SH係数は原単位の記憶量とメモリトラフィックを支配し、帯域制限ベースでは角の細部が制限される。
我々はSHと最近の球形外見モデルとの徹底的なエンドツーエンド比較を行い、小さな共有MLPを用いて、コンパクトなプリミティブごとの潜伏符号を復号する暗黙的な代替法を提案する。
すべてのモデルを同じ最適化パイプラインに統合し、前方と後方のパスを差別化可能なCUDAラスタライザに融合し、ラップトップやモバイルGPU用のポータブルなWebGLビューアを提供します。
再構成品質,メモリ使用量,最適化性能,レンダリング性能の両面で評価した結果,近年の球面モデルでは,全体的な品質効率のトレードオフが最強であることが示唆された。
我々の神経表現は、最もコンパクトなモデルであり、第3次SHと比較して、原始的な外見のフットプリントを192バイトから28バイトに減らし、再構成品質を改善しながら1.3$\times$の最適化を加速する。
さらに、出現パラメトリゼーションが最適化をどのように形成し、復元された幾何学の相違と非静的シーンコンテンツを吸収する表現的モデルの傾向を識別するかを解析する。
我々のフレームワークと分析は、画像のメトリクスのみをキャプチャできる範囲を超えて、SHを置き換えるための実践的なガイダンスを提供する。
関連論文リスト
- ECoNGS: Efficient Compressive Neural Gaussian Splats for Volume Visualization [7.438825130078976]
本稿では,VolVisシーン表現のための効率的な圧縮型ニューラルガウススプレイティングフレームワークであるECoNGSを提案する。
ECoNGSは軽量ニューラルネットワークを使用して、明示的なアンカーポイントから暗黙的で編集可能なガウススプレートを動的に予測する。
ECoNGSはPSNRで最大2.2dB、モデルサイズを最大6.1倍、トレーニング時間を最大5.9倍に改善する。
論文 参考訳（メタデータ） (2026-07-20T19:35:24Z) - AsySplat: Efficient Asymmetric 3D Gaussian Splatting for Long-Sequence Scene Modeling [36.45427515934316]
一般化可能な3次元ガウススプラッティングモデルは、先進的な長周期ノベルビュー合成(NVS)を持つ
幾何学と外観モデリングを分離する非対称アーキテクチャを提案する。
32ビュー960P入力では,最適化手法と一致し,800倍近い高速化を実現した。
論文 参考訳（メタデータ） (2026-07-13T01:39:19Z) - Fast and Lightweight Novel View Synthesis with Differentiable Multiplane Image [0.16710828103064077]
MPIの微分可能最適化とレンダリング結果の後処理の両方に一段階拡散を導入する。
代表的なGSベースの手法と比較して、我々のアプローチは30.7%高速で、モデルサイズの14.8%しか使用していない。
論文 参考訳（メタデータ） (2026-06-01T10:57:53Z) - Prune Wisely, Reconstruct Sharply: Compact 3D Gaussian Splatting via Adaptive Pruning and Difference-of-Gaussian Primitives [14.295266671241004]
3D Gaussian Splatting (3DGS)は、リアルタイムレンダリングをフォトリアリスティックな品質で実現した。
3DGSは高い忠実性を達成するために多くのプリミティブを必要とすることが多い。
そこで我々は, 刈り取りタイミングと精錬間隔を決定する, 効率的で統合された組立型刈り取り戦略を提案する。
また,1つのプリミティブにおいて正と負の両密度を共同でモデル化する3次元ガウス差分プリミティブも導入する。
論文 参考訳（メタデータ） (2026-02-27T16:12:58Z) - Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。
提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。
本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
論文 参考訳（メタデータ） (2025-12-27T17:08:03Z) - QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization [69.50126552763157]
表面再構成はコンピュータビジョンとグラフィックスの基本であり、3Dモデリング、混合現実、ロボット工学などの応用を可能にする。
レンダリングに基づく既存のアプローチは有望な結果を得るが、シーンごとに最適化されるため、テクスチャレスな領域をモデル化するのに苦労する可能性がある。
大規模屋内シーンの2次元ガウススプラッティング最適化のための高密度初期化を生成するために,データ駆動の先行処理を学習するQuickSplatを紹介する。
論文 参考訳（メタデータ） (2025-05-08T18:43:26Z) - 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) - Geometric Algebra Planes: Convex Implicit Neural Volumes [70.12234371845445]
GA-Planes はスパース低ランク係数と低分解能行列と等価であることを示す。
また,GA-Planeは既存の表現にも適用可能であることを示す。
論文 参考訳（メタデータ） (2024-11-20T18:21:58Z) - CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。
我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。
実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
論文 参考訳（メタデータ） (2024-04-15T04:50:39Z) - InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。
InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。
3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
論文 参考訳（メタデータ） (2024-03-29T17:29:58Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳（メタデータ） (2022-02-01T21:21:56Z)
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。