論文の概要: EffGS: Efficient and High-Fidelity Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2609.39553v1
- Date: Wed, 30 Sep 2026 11:52:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.632869
- Title: EffGS: Efficient and High-Fidelity Gaussian Splatting
- Title（参考訳）: EffGS: 効率的かつ高忠実なガウス鋳型
- Abstract要約: EffGSはより一般的なアクセラレーションフレームワークで、トレーニングとレンダリングの効率を改善しながら、3DGSと同等以上の再現品質を維持している。
EffGSは周波数認識誘導、局所密度制御、適応プリミティブスケール変調を組み合わせた。
- 参考スコア（独自算出の注目度）: 11.036141519554405
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: 3D Gaussian Splatting (3DGS) enables real-time novel view synthesis, but existing general-purpose acceleration methods suffer severe rendering quality degradation when extended to more complex, large-scale scenes. To address this issue, we propose EffGS, a more general acceleration framework that improves training and rendering efficiency while maintaining reconstruction quality comparable to or better than vanilla 3DGS across bounded and large-scale scenes. EffGS combines frequency-aware guidance, localized density control, and adaptive primitive scale modulation. First, an importance scoring mechanism combines pixel-wise reconstruction errors with a difference-of-Gaussians mask scheduled over training to provide stage-dependent spatial guidance. Second, localized densification and pruning restricts density modifications to Gaussians with valid projected footprints in the sampled views. Third, learnable per-Gaussian scale modulation adjusts effective primitive extent during optimization while retaining the Compact Box rasterization rule. Extensive experiments on bounded and large-scale scene datasets demonstrate a favorable balance between reconstruction quality, training time, and primitive count. Component ablations and matched-primitive-budget comparisons further support the effectiveness of the framework.
- 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、既存の汎用加速度法は、より複雑で大規模なシーンに拡張された場合、厳しいレンダリング品質劣化を被る。
この問題に対処するため,我々は,バニラ3DGSと同等以上の再現品質を維持しつつ,トレーニングとレンダリングの効率を向上する,より汎用的なアクセラレーションフレームワークであるEffGSを提案する。
EffGSは周波数認識誘導、局所密度制御、適応プリミティブスケール変調を組み合わせた。
第一に、重要なスコアリング機構は、ステージ依存空間ガイダンスを提供するための訓練中にスケジュールされたガウスの差分マスクと画素単位での再構成誤差を結合する。
第二に、局所的な密度化とプルーニングは、サンプルビューに有効な投影されたフットプリントを持つガウス人に密度修正を制限します。
第3に、ガウス単位のスケール変調は、コンパクトボックスラスタ化規則を維持しながら、最適化中に有効なプリミティブ範囲を調整する。
境界付きおよび大規模シーンデータセットに対する大規模な実験は、復元品質、トレーニング時間、プリミティブカウントのバランスが良好であることを示している。
コンポーネントの廃止と、マッチしたプリミティブと予算の比較は、フレームワークの有効性をさらに支持します。
関連論文リスト
- Federated 3D Gaussian Splatting for Large-Scale Scene Reconstruction at Wireless Edge [63.63984803717389]
3次元ガウススプラッティング(3D-GS)は大規模なシーン再構築に有望な技術である。
本稿では,大規模シーンの3D-GSモデルを効率的に学習するための新しい資源効率学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-26T02:59:00Z) - GS^2: Graph-based Spatial Distribution Optimization for Compact 3D Gaussian Splatting [50.2045409672451]
3D Gaussian Splatting (3DGS)は、新しいビュー合成とリアルタイムレンダリングにおいて画期的な性能を示した。
大量のガウス点があるため、高いメモリコストに制約される。
コンパクトな3DGSのためのグラフベースの空間分布最適化を提案する。
論文 参考訳（メタデータ） (2026-04-02T10:41:51Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - 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) - ConeGS: Error-Guided Densification Using Pixel Cones for Improved Reconstruction with Fewer Primitives [27.616880434926646]
3D Gaussian Splattingは、新しいビュー合成における最先端の画像品質とリアルタイム性能を実現する。
問題は、既存の幾何学に沿ってガウスを伝播させるクローンベースの密度化に起因している。
本研究では,既存のシーン形状に依存しない画像空間インフォームド・デンシフィケーション・フレームワークであるConeGSについて述べる。
論文 参考訳（メタデータ） (2025-11-10T07:54:58Z) - Scale-GS: Efficient Scalable Gaussian Splatting via Redundancy-filtering Training on Streaming Content [28.476493987089466]
本稿では,ストリーミングタスクを効率的にトレーニングするためのスケーラブルなガウススプレイティングフレームワークであるMについて述べる。
Mは、最先端の手法と比較して、トレーニング時間を著しく短縮しつつ、優れた視覚的品質を達成する。
論文 参考訳（メタデータ） (2025-08-29T09:13:04Z) - Steepest Descent Density Control for Compact 3D Gaussian Splatting [72.54055499344052]
3D Gaussian Splatting (3DGS)は、強力なリアルタイム高解像度ノベルビューとして登場した。
本稿では,3DGSの密度制御をデミストし,改良する理論的枠組みを提案する。
我々はSteepGSを導入し、コンパクトな点雲を維持しながら損失を最小限に抑える原則的戦略である、最も急な密度制御を取り入れた。
論文 参考訳（メタデータ） (2025-05-08T18:41:38Z) - FreeSplat++: Generalizable 3D Gaussian Splatting for Efficient Indoor Scene Reconstruction [50.534213038479926]
FreeSplat++は大規模な屋内全シーン再構築の代替手法である。
深度調整による微調整により,再現精度が大幅に向上し,トレーニング時間も大幅に短縮された。
論文 参考訳（メタデータ） (2025-03-29T06:22:08Z) - Improving Adaptive Density Control for 3D Gaussian Splatting [3.2248805768155835]
3D Gaussian Splattingは、過去1年で最も影響力のある作品の1つだ。
シーン再構築の際に使用されるガウス的プリミティブの数を適切に管理する上での課題に直面している。
本稿では,適応密度制御機構の3つの改良点を提案する。
論文 参考訳（メタデータ） (2025-03-18T14:09:10Z) - Efficient Density Control for 3D Gaussian Splatting [3.6626434111127075]
3DGSはガウス数を増やすために適応密度制御を採用している。
レンダリング品質に影響を与える過度に適合したガウシアンが存在する可能性があり、元のADCはそれらを取り除くことができない。
Long-Axis Splitは子ガウスの位置、形状、不透明度を正確に制御し、分割前後の差を最小限に抑える。
不透明度を過度に設定したガウス人にリセットした後の回復速度の差を利用するリカバリ対応プルーニング。
論文 参考訳（メタデータ） (2024-11-15T12:12:56Z) - 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)
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。