論文の概要: SteadySplats: Resampling of Low-Variance Gaussians for High-Fidelity Stochastic Rendering

• arxiv url: http://arxiv.org/abs/2610.05576v2
• Date: Tue, 06 Oct 2026 13:27:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.382384
• Title: SteadySplats: Resampling of Low-Variance Gaussians for High-Fidelity Stochastic Rendering
• Title（参考訳）: SteadySplats:高忠実確率レンダリングのための低分散ガウスのリサンプリング
• Abstract要約: 本稿では,高周波数雑音を最小化するための原理的アプローチを提案し,その音源を表現レベルと画像レベルの合成で扱う。 レンダリング中、歴史に基づく空間再サンプリングは画像の収束を劇的に加速し、時間的重要度再サンプリングはカメラの動き下でのコヒーレンスを保証する。 これらの特性により、最適化されたVulkanベースのビューは、低および高サンプル数での出力ノイズを効果的に軽減する。
• 参考スコア（独自算出の注目度）: 12.437474841351277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stochastic order-independent transparency enables efficient and elegant rendering of primitive-based radiance fields like 3D Gaussian Splatting models, but remains impractical due to the inherent visible noise in the output. We propose a principled approach to minimize high-frequency noise, addressing its sources at the representation and image synthesis level. During stochastic rendering, our history-based spatial resampling scheme drastically accelerates image convergence, while temporal importance resampling ensures coherence under camera movement. During training, a color regularizer implicitly reduces the variance along view rays in the 3DGS models. With these properties, our optimized, Vulkan-based renderer effectively mitigates output noise at low and high sample counts, achieving a substantial 13~dB PSNR increase in quality over previous stochastic methods at 1 sample per pixel and quickly converging to sorted 3DGS with an average L1 error of less than $10^{-4}$.
• Abstract（参考訳）: 確率的順序非依存の透明性は、3Dガウススプティングモデルのような原始的ベースの放射場を効率よくエレガントにレンダリングすることを可能にするが、出力に固有の可視ノイズのために実用的ではない。 本稿では、高周波数雑音を最小化するための原理的アプローチを提案し、その音源を表現と画像合成のレベルで処理する。 確率的レンダリング中、我々の履歴に基づく空間再サンプリング方式は画像の収束を劇的に加速する一方、時間的重要度再サンプリングはカメラの動き下でのコヒーレンスを保証する。 トレーニング中、カラーレギュレータは、3DGSモデルのビュー線に沿ったばらつきを暗黙的に低減する。 これらの特性により、Vulkanベースのレンダラーは、低サンプリング数および高サンプリング数での出力ノイズを効果的に軽減し、従来の確率法よりも13〜dB PSNRの精度を1ピクセル当たり1サンプルで向上させ、平均L1誤差が10〜4ドル未満のソートされた3DGSに迅速に収束させる。

関連論文リスト

• KC-3DGS: Kurtosis-Constrained Gaussian Splatting for High-Fidelity View Synthesis [28.10448224660243]
  3D Gaussian Splatting(3DGS)は、シーンを差別化によって最適化された異方性ガウスのコレクションとして表現することで、リアルタイムなノベルビュー合成を可能にする。 標準画素空間損失(L1, SSIM)は、再構成エラーのみを集約し、周波数スケールでエラーを再分配する最適化を可能にする。 我々は,自然画像統計に基づくウェーブレットドメインによる3DGSトレーニングを強化するKC-3DGSを提案する。
  論文  参考訳（メタデータ） (2026-06-02T04:04:24Z)
• RobustSplat: Decoupling Densification and Dynamics for Transient-Free 3DGS [79.15416002879239]
  3D Gaussian Splattingは、ノベルビュー合成と3Dモデリングにおけるリアルタイム、フォトリアリスティックレンダリングにおいて大きな注目を集めている。 既存の手法は、過渡的なオブジェクトに影響されたシーンを正確にモデル化するのに苦労し、描画された画像のアーティファクトに繋がる。 2つの重要な設計に基づく堅牢なソリューションであるRobustSplatを提案する。
  論文  参考訳（メタデータ） (2025-06-03T11:13:48Z)
• Splatfacto-W: A Nerfstudio Implementation of Gaussian Splatting for Unconstrained Photo Collections [25.154665328053333]
  Splatfacto-Wは、ガウスごとのニューラルカラー特徴と画像ごとの外観をレンダリングプロセスに組み込む、自明なアプローチである。 提案手法は,3DGSに比べて平均5.3dBのPak Signal-to-Noise Ratio(PSNR)を向上し,NeRF法に比べて150倍のトレーニング速度を向上し,3DGSと同様のレンダリング速度を実現する。
  論文  参考訳（メタデータ） (2024-07-17T04:02:54Z)
• MVSplat: Efficient 3D Gaussian Splatting from Sparse Multi-View Images [102.7646120414055]
  入力としてスパースなマルチビュー画像を与えられたMVSplatは、クリーンなフィードフォワード3Dガウスを予測できる。 大規模RealEstate10KとACIDベンチマークでは、MVSplatは高速フィードフォワード推論速度(22fps)で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-03-21T17:59:58Z)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)
• HiFA: High-fidelity Text-to-3D Generation with Advanced Diffusion Guidance [19.252300247300145]
  本研究は,高品質なテキスト・ツー・3D生成を実現するための全体的サンプリングと平滑化手法を提案する。 テキスト・画像拡散モデルの潜時空間と画像空間における復調スコアを計算する。 単一段最適化において高品質なレンダリングを生成するため,我々はNeRF線に沿ったz座標の分散の正則化を提案する。
  論文  参考訳（メタデータ） (2023-05-30T05:56:58Z)
• Image Super-Resolution via Iterative Refinement [53.57766722279425]
  SR3は再精製による超解像へのアプローチである。 確率的デノイジング拡散モデルを条件付き画像生成に適応させる。 様々な倍率係数の超分解能タスクに強い性能を示す。
  論文  参考訳（メタデータ） (2021-04-15T17:50:42Z)

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。