論文の概要: SPLATIFY: Reproduce, Discover, Innovate! From Papers and Ideas to Trainable 3DGS Code

• arxiv url: http://arxiv.org/abs/2610.09116v1
• Date: Tue, 06 Oct 2026 21:06:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.60649
• Title: SPLATIFY: Reproduce, Discover, Innovate! From Papers and Ideas to Trainable 3DGS Code
• Title（参考訳）: SPLATIFY: 再現、発見、革新! 紙とアイデアからトレーニング可能な3DGSコードまで
• Abstract要約: 本稿では、3DGS論文をトレーニング可能なgsplatベースの実装に変換するフレームワークであるSPLATIFYを紹介する。 gsplatのコンテキストフリー文法は、損失、密度、レンダリング、最適化のための拡張ポイントを持つモジュラーメソッドテンプレートである。 知識駆動型構成改善は、弱点を自律的に発見し、元の結果を改善するための補完的な正規化要因、損失、密度化戦略を構成する。
• 参考スコア（独自算出の注目度）: 49.653632753325354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid growth of 3D Gaussian Splatting (3DGS) research demands significant effort to reimplement papers before building on them. We introduce SPLATIFY, a multi-agent framework that converts 3DGS papers into trainable gsplat-based implementations, where generic paper-to-code methods and frontier models fail. SPLATIFY achieves this through five innovations: (1) A context-free grammar for gsplat over a modular method template with extension points for losses, densification, rendering, and optimization, constraining synthesis so generated code satisfies gsplat's architectural invariants by construction. (2) Architectural elements for faithful reproduction: fork-aware citation recovery retrieving component-level code at function-level granularity, Graph-of-Thought synthesis in topological dependency order, RAG-guided in-context example selection from over 20 verified implementations, and visual feedback combining PSNR-guided regeneration, Gaussian-level structural checks, and VLM-driven patching. (3) Knowledge-driven compositional improvement that autonomously finds weaknesses and composes complementary regularizers, losses, and densification strategies to improve upon original results. (4) Interdisciplinary method discovery where agents retrieve physical priors from outside the 3DGS literature and compose them with rendering knowledge to produce methods for previously unaddressed scene types. (5) SPLATIFY-Bench, an evaluation framework across 30 diverse 3DGS papers. On papers without public code, SPLATIFY matches expert implementations while reducing development time from weeks to minutes, and through compositional discovery further improves PSNR by up to 2.4 dB. We additionally demonstrate novel methods for volumetric nebula rendering and other scientific domains, synthesized entirely by SPLATIFY.
• Abstract（参考訳）: 3D Gaussian Splatting(3DGS)の研究の急速な成長は、その上に構築する前に論文を再実装するための多大な努力を必要としている。 我々は3DGS論文をトレーニング可能なgsplatベースの実装に変換するマルチエージェントフレームワークであるSPLATIFYを紹介した。 SPLATIFYは、(1)損失、密度化、レンダリング、最適化のための拡張ポイントを持つモジュールメソッドテンプレート上のgsplatの文脈自由文法で、生成したコードは構築によってgsplatのアーキテクチャ不変性を満足するように合成を制約する。 2) 忠実な再現のためのアーキテクチャ要素: fork-aware citation recovery 関数レベルでのコンポーネントレベルのコード検索,トポロジカル依存順のグラフ・オブ・ソート合成, RAG-guided in-context example select from 20 confirmed implementation, and visual feedback combination PSNR-guided regeneration, Gaussian-level structure checks, VLM-driven patching。 (3) 知識主導型構成改善は, 自己の弱点を見つけ, 補完的な正規化要因, 損失, 密度化戦略を構成し, 本来の結果を改善する。 (4) エージェントが3DGSの文献の外部から物理的な先行情報を検索し、それらをレンダリング知識で構成し、未指定のシーンタイプのための方法を作成するための学際的方法発見。 (5) SPLATIFY-Benchは30種類の3DGS論文を対象とした評価フレームワークである。 公開コードのない論文では、SPLATIFYは専門家による実装と一致し、開発時間を数週間から数分に短縮し、組成発見によってPSNRをさらに2.4dB改善する。 また、SPLATIFYで完全に合成された体積星雲レンダリングやその他の科学的領域の新たな手法を実証する。

関連論文リスト

• Graphs RAG at Scale: Beyond Retrieval-Augmented Generation With Labeled Property Graphs and Resource Description Framework for Complex and Unknown Search Spaces [0.23157817950780824]
  本稿では,従来のRAG手法の限界を克服する新しいエンドツーエンドグラフRAGフレームワークを提案する。 提案手法は,文書数を事前に指定することなく,動的文書検索を可能にする。 我々は,テキストクエリのリアルタイム翻訳において90%以上の精度を達成し,LPGのためのCypherフレームワークにテキストを提示する。
  論文  参考訳（メタデータ） (2026-03-21T11:35:29Z)
• Agentic Planning with Reasoning for Image Styling via Offline RL [66.10749901925941]
  直接的なプロンプトベースの編集は複雑な変換では失敗するが、なぜなら曖昧で主観的なプロンプトは、画像に何を変更するべきかを微妙に理解する必要がしばしばあるからである。 ツールベースのエージェントRLポストトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T11:14:37Z)
• NERFIFY: A Multi-Agent Framework for Turning NeRF Papers into Code [49.610331036334316]
  我々はNeRF研究論文をトレーニング可能なNerfstudioプラグインに確実に変換するフレームワークであるNERFIFYを紹介する。 コード、データ、実装が公開される。
  論文  参考訳（メタデータ） (2026-02-28T20:57:32Z)
• A Survey on 3D Gaussian Splatting Applications: Segmentation, Editing, and Generation [66.62489208150681]
  3D Gaussian Splatting (3DGS)は3Dシーン表現のためのNeRF(Neural Radiance Fields)の強力な代替品として登場した。 このサーベイは、3DGSアプリケーションの最近の進歩を概観する。
  論文  参考訳（メタデータ） (2025-08-13T17:44:39Z)
• Interpretable Single-View 3D Gaussian Splatting using Unsupervised Hierarchical Disentangled Representation Learning [46.85417907244265]
  本稿では,粗い3Dセマンティクスと微粒な3Dセマンティクスの両方を発見するために,3DisGSと呼ばれる解釈可能な単一ビュー3DGSフレームワークを提案する。 本モデルでは,高品質かつ高速な再構成を保ちながら3次元のアンタングル化を実現する。
  論文  参考訳（メタデータ） (2025-04-05T14:42:13Z)
• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)

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。