論文の概要: ConeGaussian: Anti-Aliased Gaussian Ray-Tracing for Generic Central Cameras

• arxiv url: http://arxiv.org/abs/2609.13397v1
• Date: Fri, 11 Sep 2026 18:05:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.291512
• Title: ConeGaussian: Anti-Aliased Gaussian Ray-Tracing for Generic Central Cameras
• Title（参考訳）: ConeGaussian:ジュネーティブ・セントラルカメラ用アンチエイリアス・ガウシアン・レイトレーシング
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 56.46810752790842
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In rendering, a camera is a sampling operator that maps each finite pixel to a bundle of rays. Different camera models change the geometry of this bundle, thus making a unified and faithful rendering formulation challenging. Consequently, Gaussian ray tracing supports generic cameras (with optical center) through their inverse ray mappings, yet typically reduces every pixel to a single center ray. This ignores the camera-dependent pixel footprint, causing aliasing under minification, while unconstrained Gaussians expose unsupported frequencies under magnification. We present ConeGaussian, a camera-model-agnostic anti-aliasing framework for Gaussian ray-based rendering. Instead of defining the pixel filter on a camera-specific image plane, ConeGaussian constructs an anisotropic footprint directly from neighboring rays produced by the camera's native inverse mapping. We derive a closed-form response under a locally linear, depth-local, moment-matched approximation of the finite pixel footprint, while the same geometry defines a per-Gaussian training-frequency floor. Notably, by construction, our filtering principle can be used unmodified across calibrated central camera models and multiple Gaussian ray-rendering backbones. Additionally, unlike in mip-splatting, our scene-space frequency floor and filtering enable trivial composition at render time, allowing us to remove excess blurring. On pinhole and strongly distorted fisheye captures, ConeGaussian consistently improves two distinct ray-based backbones, by up to 4.3 dB at 1/8 resolution, and reduces fisheye LPIPS by 30% where perspective screen-plane footprint formulations are not directly applicable.
• Abstract（参考訳）: レンダリングにおいて、カメラは、各有限ピクセルを光束にマッピングするサンプリング演算子である。 異なるカメラモデルがこのバンドルの幾何学を変更し、統一的で忠実なレンダリングの定式化を困難にしている。 その結果、ガウス線トレーシングは、逆光線マッピングを通して(光学中心を持つ)一般的なカメラをサポートするが、通常はすべてのピクセルを単一の中心線に還元する。 これはカメラ依存のピクセルフットプリントを無視し、最小化の下でエイリアスを発生させ、非制約のガウスは倍率で非サポート周波数を露呈する。 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。 カメラ固有の画像平面上のピクセルフィルタを定義する代わりに、ConeGaussianはカメラのネイティブな逆マッピングによって生成された近隣の光線から直接異方性フットプリントを構築する。 局所線形, 深部局所, モーメントマッチングによる有限画素フットプリントの近似の下での閉形式応答を導出する。 特に、我々のフィルタリング原理は、キャリブレーションされた中央カメラモデルと複数のガウス線レンダリングバックボーンを無修正で使用することができる。 さらに、ミップスプレイティングとは異なり、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。 ピンホールと強い歪んだ魚眼撮影では、コンガウシアンは1/8解像度で最大4.3dBの光線ベースのバックボーンを一貫して改善し、スクリーン面のフットプリントが直接適用されない場所では、魚眼LPIPSを30%削減した。

関連論文リスト

• 3D Gaussian Accelerated Ray Tracing: Fast training through particle-based backward propagation [0.00270839927451854]
  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。
  論文  参考訳（メタデータ） (2026-08-18T02:50:46Z)
• UniTriSplat: A Unified 3D Gaussian Splatting Framework with Uniform Spherical Rasterization for Universal Cameras [23.37105294238413]
  UniTriSplatは、ユニバーサルカメラのための統一された3DGSフレームワークで、HEALPixの離散化により、単位球上のガウススプラッティングを再構成する。 球状ラジアン領域におけるガウスの前方レンダリングと勾配伝播を導出し,狭視野FoV画像から全360度パノラマまで均一な最適化挙動を示す。
  論文  参考訳（メタデータ） (2026-06-29T05:14:48Z)
• iGaussian: Real-Time Camera Pose Estimation via Feed-Forward 3D Gaussian Splatting Inversion [62.09575122593993]
  iGaussianは2段階のフィードフォワードフレームワークで、直接3Dガウス変換によるリアルタイムカメラポーズ推定を実現する。 NeRF Synthetic, Mip-NeRF 360, T&T+DB データセットの実験結果から, 従来の手法に比べて大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2025-11-18T05:22:22Z)
• 3DGUT: Enabling Distorted Cameras and Secondary Rays in Gaussian Splatting [15.124165321341646]
  本研究では,EWAスプラッティングスプラッティングをアンセント変換に置き換えた3次元ガウスアンアンセント変換(3DGUT)を提案する。 これにより、自明化の効率を維持しつつ、ローリングシャッターなどの歪み時間依存効果を支持できる。
  論文  参考訳（メタデータ） (2024-12-17T03:21:25Z)
• Projecting Gaussian Ellipsoids While Avoiding Affine Projection Approximation [1.4792750204228]
  3D Gaussian Splattingは、リアルタイムレンダリング速度と最先端レンダリング品質で新規ビュー合成を支配している。 画像面上にガウス楕円体を投影する楕円体投影法を提案する。 複数の広く採用されているベンチマークデータセットに対する実験により、楕円体ベースの投影法は、3Dガウススプラッティングとその拡張のレンダリング品質を向上させることができることが示された。
  論文  参考訳（メタデータ） (2024-11-12T06:29:48Z)
• EVER: Exact Volumetric Ellipsoid Rendering for Real-time View Synthesis [72.53316783628803]
  実時間微分可能な発光専用ボリュームレンダリング法であるExact Volumetric Ellipsoid Rendering (EVER)を提案する。 3D Gaussian Splatting(3DGS)による最近の手法とは異なり、プリミティブベースの表現は正確なボリュームレンダリングを可能にする。 本手法は,3DGSよりもブレンディング問題の方が精度が高く,ビューレンダリングの追従作業も容易であることを示す。
  論文  参考訳（メタデータ） (2024-10-02T17:59:09Z)
• 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)
• Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
  Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。 我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。 私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
  論文  参考訳（メタデータ） (2023-04-20T04:05:22Z)
• Self-Calibrating Neural Radiance Fields [68.64327335620708]
  キャリブレーション対象のないシーンの幾何学と正確なカメラパラメータを共同で学習する。 我々のカメラモデルは、ピンホールモデル、第4次ラジアル歪み、および任意の非線形カメラ歪みを学習可能な汎用ノイズモデルで構成されている。
  論文  参考訳（メタデータ） (2021-08-31T13:34:28Z)

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。