論文の概要: TileSkipper: Region-Adaptive Tile Pruning for 3D Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2610.09343v1
• Date: Wed, 07 Oct 2026 03:01:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.688228
• Title: TileSkipper: Region-Adaptive Tile Pruning for 3D Gaussian Splatting
• Title（参考訳）: TileSkipper:3次元ガウス平滑化のための領域適応型タイルプルーニング
• Abstract要約: TileSkipperは凍結チェックポイントに対して、ガウス単位の静的カットオフポリシーを選択する。 Mip-NeRF 360、Tants & Temples、Deep Blendingの13のシーンで、固定政治のAccuTileスイープは、標準解像度で1.088times$、幅で1.238times$3840Pixelsというデータセットとマクロのスピードアップを提供する。
• 参考スコア（独自算出の注目度）: 60.48772713715659
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tiled 3D Gaussian Splatting rasterizers often use one scene-wide contribution cutoff for tile enumeration, although content differs in its sensitivity to support truncation. TileSkipper selects a static per-Gaussian cutoff policy for a frozen checkpoint. Calibration renders measure candidate pair savings and an isolated-removal distortion proxy that accounts for front transmittance and background color. The method allocates cutoffs across 64 Gaussian groups and accepts policies only after complete renders on disjoint selection views. The exported policy uses one byte per Gaussian, with no parameter updates, additional kernel, or per-frame policy inference. Across 13 scenes from Mip-NeRF 360, Tanks & Temples, and Deep Blending, a fixed-policy AccuTile sweep gives dataset-macro speedups of $1.088\times$ at standard resolution and $1.238\times$ at 3840 pixels wide, with $-0.007/-0.023$ dB mean PSNR change. Six integrations with existing opacity-aware bounds yield $1.009\times$--$1.121\times$ compiler-only speedups. For four ports from $3σ$ rasterizers, we separately attribute the prior exact-bound transition and our incremental gain. Matched-quality ablations show modest gains over scene-global calibration and parity with per-Gaussian control; the standalone comparison with AdaGScale is regime-dependent.
• Abstract（参考訳）: タイド3Dガウスめっきラスタライザはタイル列挙のためのシーンワイド・コントリビューション・カットオフを多用するが、内容は切り離しをサポートする感度が異なる。 TileSkipperは凍結チェックポイントに対して、ガウス単位の静的カットオフポリシーを選択する。 キャリブレーションは、候補ペアの保存を計測し、フロント透過率と背景色を考慮に入れた分離排除歪みプロキシをレンダリングする。 この方法は64個のガウス群にまたがるカットオフを割り当て、不随伴選択ビューの完全レンダリング後にのみポリシーを受け入れる。 エクスポートされたポリシでは,パラメータ更新やカーネルの追加,フレーム単位のポリシ推論が不要な,ガウス単位の1バイトを使用する。 Mip-NeRF 360、Tants & Temples、Deep Blendingの13のシーンで、固定政治のAccuTileスイープは、標準解像度で1.088\times$、幅3840ピクセルで1238\times$、PSNRが0.007/-0.023$dBである。 既存の不透明なバウンダリとの6つの統合は、$1.009\times$--$1.121\times$コンパイラのみのスピードアップをもたらす。 3σ$ラスタライザの4つのポートに対して、我々は、事前の正確なバウンド遷移とインクリメンタルゲインを別々に評価する。 一致した品質改善は、シーン・グローバル・キャリブレーションよりも緩やかな増加を示し、AdaGScaleとのスタンドアロン比較は政権に依存している。

関連論文リスト

• Where Grounding Accuracy Lives on the IoU Curve: Label-Free Inference-Time Boundary Refinement [1.4061915592167218]
  視覚言語モデルは、不正確なバウンディングボックスを返しながら正しい参照を識別することができる。 そこで本研究では,凍結直接解答モデルを用いて局所的な観測を行う方法について検討する。 3つのエビデンスレベルにまたがって結果を報告します。
  論文  参考訳（メタデータ） (2026-08-20T01:40:32Z)
• DP-Splat: Bayesian Nonparametric Complexity Control for Gaussian Splatting [0.0]
  3D Splattingは、密度制御またはユーザキャップによって構成される成分数$K$の異方性ガウスの有限混合を表す。 混合重みよりも対称対称ディリクレをトランクされた棒破れディリクレ過程に置き換える。 単調性保証,厳密なトランケーション・エラーを厳格に保証し,反保守的大エラー近似を一般的な使用法で補正する。
  論文  参考訳（メタデータ） (2026-07-12T20:31:15Z)
• Characterization of nested Walsh parity-check filters in a single-photon eight-mode register on a cloud photonic processor [0.0]
  我々は,Quandelaのクラウドフォトニクスプロセッサに実装された2つのネストしたWalshパリティチェックフィルタを特徴付ける。 340,000以上の検出で、中立な入力は、残余のDCポートリークが0.02%$-$1.1%$であることを示している。 セクター保存のユニタリコアは、1から3つのアプリケーションに対して、非中立的な制御よりもはるかに低いリークを保持する。
  論文  参考訳（メタデータ） (2026-06-16T19:01:47Z)
• Hidden-State Privacy Has an Empty Middle [51.56484100374058]
  すべてのフルランクガウス解放を$O(1)$ Fisher utility で表すと、マハラノビス信号が隠れた幅で直線的に成長する方向を認める。 スクラッチからトレーニングされたスプリットメモリトランスフォーマーは、[20, 33]$90MでG_mathrmMahに達し、固定言語損失ペナルティにおいて、30Mから1Bまでの同じ予算のGPTベースラインに対して6ドル～24ドルという優位性を維持する。
  論文  参考訳（メタデータ） (2026-05-21T20:12:09Z)
• Gated-SwinRMT: Unifying Swin Windowed Attention with Retentive Manhattan Decay via Input-Dependent Gating [0.6945765172815976]
  Gated-SwinRMTは、Swin Transformerのシフトウインドウの注意とRetentive Networks (RMT)のマンハッタン距離空間減衰を組み合わせたハイブリッド・ビジョン・トランスフォーマーのファミリーである。 Gated-SwinRMT-SWATは、ソフトマックスにシグモイド活性化を代用し、乗算後空間崩壊を伴うバランスの取れたALiBi斜面を実装し、SwiGLUを介して値投影をゲートする。 Gated-SwinRMT-Retentionは、追加の対数空間崩壊バイアスでソフトマックス正規化保持を維持し、明示的なG1シグモイドゲートを組み込む
  論文  参考訳（メタデータ） (2026-04-07T16:12:31Z)
• Robust Layerwise Scaling Rules by Proper Weight Decay Tuning [50.11170157029911]
  現代のスケール不変アーキテクチャでは、トレーニングは急速に劣化したグラデーション状態に入る。 我々は,AdamWに対して,幅をまたいだサブ層ゲインを保ったウェイトデカイスケーリングルールを導入する。 この結果は,パラメータが設定した定常スケールを明示的に制御することにより,ほぼ入出力体制を超えて$mu$Pを拡大する。
  論文  参考訳（メタデータ） (2025-10-17T02:58:35Z)
• Reinforcement Learning from Adversarial Preferences in Tabular MDPs [62.73758165845971]
  我々は,敵対的嗜好を持つエピソードマルコフ決定プロセス(MDP)の新たな枠組みを導入する。 PbMDP では、標準的なエピソード MDP とは異なり、学習者は2つの候補アーム間の好みを観察する。 我々は、既知遷移の下で、T2/3$という残差境界を達成するアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2025-07-15T20:19:32Z)
• FedSVD: Adaptive Orthogonalization for Private Federated Learning with LoRA [68.44043212834204]
  Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。 Low-Rank Adaptation (LoRA) は、学習における言語モデルの効率的な微調整に広く用いられている。
  論文  参考訳（メタデータ） (2025-05-19T07:32:56Z)

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。