論文の概要: LinearMask-GS: Stable-Mask Importance Pruning for Compact 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2609.10095v1
• Date: Wed, 09 Sep 2026 12:19:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.025419
• Title: LinearMask-GS: Stable-Mask Importance Pruning for Compact 3D Gaussian Splatting
• Title（参考訳）: LinearMask-GS: コンパクトな3Dガウススプレイティングのための安定マスク重要プルーニング
• Abstract要約: 3D Gaussian Splatting (3DGS) はリアルタイムな新規なビュー合成を可能にするが、適応的なデンシフィケーションにより数百万のプリミティブを生成する。 我々は,Gumbel-Sigmoidをリニアインクリメントアクティベーションに置き換えたLinearMask-GSを提案する。 Mip-NeRF 360では3DGS, LP-3DGSの3.6倍, 1.6倍の削減を実現し, レンダリング品質の維持や改善を実現している。
• 参考スコア（独自算出の注目度）: 9.661704754925141
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D Gaussian Splatting (3DGS) enables real-time novel view synthesis but produces millions of primitives through adaptive densification, leading to significant storage overhead. Learned-mask pruning methods such as LP-3DGS address this by assigning each Gaussian a learnable mask to identify and prune redundant primitives. However, we identify a limitation of this paradigm: the steep slope of the Gumbel-Sigmoid activation drives mask values to the extremes within the short mask-training window, before the importance ranking has stabilized, producing a sharply bimodal distribution from which that ranking can no longer be reliably recovered. We propose LinearMask-GS, which replaces Gumbel-Sigmoid with a linear increment activation that keeps mask values in a mid-confidence regime throughout mask training, producing a stable, unimodal mask distribution whose ranking tracks importance. On Mip-NeRF 360, our method achieves 3.6x and 1.6x Gaussian reductions over 3DGS and LP-3DGS, respectively, while maintaining or improving rendering quality. For outdoor scenes, it yields a 1.6x reduction (from 2.18M to 1.36M) with notable gains in PSNR (+0.38 dB), SSIM (+0.025), and LPIPS (-0.029).
• Abstract（参考訳）: 3D Gaussian Splatting (3DGS)は、リアルタイムの新規ビュー合成を可能にするが、適応的な密度化によって数百万のプリミティブを生成するため、ストレージオーバーヘッドが大幅に増大する。 LP-3DGSのような学習されたマスクのプルーニング手法は、各ガウス人に学習可能なマスクを割り当て、冗長プリミティブを特定してプルーする。 しかし,Gumbel-Sigmoid アクティベーションの急勾配によりマスクの値が短いマスクトレーニングウィンドウ内の極端まで押し上げられ,その重要度が安定し,そのランクが確実に回復できない急激な2モーダル分布が生じる。 本稿では,Gumbel-Sigmoidをリニアインクリメントアクティベーションに置き換えたLinearMask-GSを提案する。 Mip-NeRF 360 では3DGS と LP-3DGS の3.6x と 1.6x のガウス還元を実現し,レンダリング品質の維持や向上を実現した。 屋外シーンでは、PSNR(+0.38dB)、SSIM(+0.025)、LPIPS(-0.029)で1.6倍(2.18Mから1.36M)の利得が得られる。

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)
• Intrinsic 4D Gaussian Segmentation from Scene Cues [2.2354043586480414]
  Intrinsic-GSは、ガウス原始体上のスパース親和性グラフを構築する、トレーニングフリーでマスフリーな手法である。 グラフはLeidenコミュニティ検出で分割されており、基礎モデルや学習された機能フィールドを必要としない。 標準的な4Dガウス分割ベンチマークであるNeu3DとHyperNeRFでは、Intrinsic-GSはマスクの監督なしに実質的なオブジェクト構造を復元する。
  論文  参考訳（メタデータ） (2026-06-17T02:40:35Z)
• Segmentation-Driven Initialization for Sparse-view 3D Gaussian Splatting [0.9251324073335035]
  3D Gaussian Splatting (3DGS)は、競争力のあるリアルタイムレンダリングを可能にした。 既存のパイプラインは、しばしばカメラポーズ推定にStructure-from-Motion(SfM)に依存している。 本研究では,構造的に重要な領域のみを識別・保持するために,領域ベースセグメンテーションを活用して非効率を緩和する手法を提案する。
  論文  参考訳（メタデータ） (2025-09-15T12:31:33Z)
• SVR-GS: Spatially Variant Regularization for Probabilistic Masks in 3D Gaussian Splatting [26.6636253282757]
  本稿では,各ガウスの有効寄与から1ピクセル当たりの空間マスクを線に沿って描画する可変正則化器であるSVR-GSを紹介する。 提案したSVR-GSは、3DGSに比べて1.79(時間)、MaskGSは5.63(時間)、それぞれ0.50dBと0.40dBRの減少しか生じない。 これらのゲインは、ロボット工学、AR/VR、モバイル知覚といったリアルタイムアプリケーションのための、はるかに小さく、より速く、よりメモリ効率の高いモデルに変換される。
  論文  参考訳（メタデータ） (2025-09-14T06:08:31Z)
• Second-order Optimization of Gaussian Splats with Importance Sampling [51.95046424364725]
  3D Gaussian Splatting (3DGS) は、高品質で高速な推論時間のため、新しいビューレンダリングに広く用いられている。 本稿では,Levenberg-Marquardt (LM) と Conjugate Gradient (CG) に基づく新しい2階最適化手法を提案する。 提案手法は標準LMよりも3倍の高速化を実現し,ガウス数が少ない場合のAdamを6倍の6倍の速さで上回る。
  論文  参考訳（メタデータ） (2025-04-17T12:52:08Z)
• PLGS: Robust Panoptic Lifting with 3D Gaussian Splatting [16.333566122541022]
  雑音の多い2Dセグメンテーションマスクから3DGSが一貫した単眼セグメンテーションマスクを生成できるPLGSと呼ばれる新しい手法を提案する。 本手法は,従来の最先端手法よりもセグメンテーション品質と速度の両面で優れていた。
  論文  参考訳（メタデータ） (2024-10-23T02:05:05Z)
• Mipmap-GS: Let Gaussians Deform with Scale-specific Mipmap for Anti-aliasing Rendering [81.88246351984908]
  任意のスケールでガウスを適応させる統一最適化法を提案する。 ミップマップ技術に触発されて、ターゲットスケールのための擬似基底構造を設計し、3次元ガウスアンにスケール情報を注入するスケール一貫性誘導損失を提案する。 本手法は,PSNRの3DGSを,ズームインで平均9.25dB,ズームアウトで平均10.40dBで上回っている。
  論文  参考訳（メタデータ） (2024-08-12T16:49:22Z)
• LP-3DGS: Learning to Prune 3D Gaussian Splatting [71.97762528812187]
  本稿では,トレーニング可能な2値マスクを重要度に応用し,最適プルーニング比を自動的に検出する3DGSを提案する。 実験の結果,LP-3DGSは効率と高品質の両面において良好なバランスを保っていることがわかった。
  論文  参考訳（メタデータ） (2024-05-29T05:58:34Z)
• GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
  3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。 本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。 提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
  論文  参考訳（メタデータ） (2024-02-22T16:00:20Z)
• 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。