論文の概要: Efficient 3D Gaussian Head Avatars for Edge Devices

• arxiv url: http://arxiv.org/abs/2610.09821v1
• Date: Wed, 07 Oct 2026 10:44:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.85704
• Title: Efficient 3D Gaussian Head Avatars for Edge Devices
• Title（参考訳）: エッジデバイスのための高能率3次元ガウスヘッドアバター
• Abstract要約: 3次元ガウスヘッドアバターは高品質で効率的なレンダリング、合成を提供するが、ガウス表現は計算コストがかかる。 本研究では,パラメータ効率のよい合成ブロックと奥行きの分離可能な畳み込みに基づく,非条件の3次元ガウスヘッド合成のための効率的なジェネレータアーキテクチャを提案する。 ベースラインモデルと比較して,提案手法はFLOPを94%,パラメータ数を70%,モデルサイズを81%削減し,競争力のある生成品質を維持した。
• 参考スコア（独自算出の注目度）: 22.041183774936144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative 3D Gaussian head avatars provide high-quality, efficient rendering, but synthesising the Gaussian representation remains computationally expensive, limiting deployment on resource-constrained and edge devices. We introduce an efficient generator architecture for unconditional 3D Gaussian head synthesis, based on a parameter-efficient synthesis block and depth-wise separable convolutions while retaining style-based conditioning. Our architecture reduces generator complexity without requiring model compression or quantisation. Compared with the baseline model, our approach reduces FLOPs by 94%, parameter count by 70%, and model size by 81%, while maintaining competitive generation quality. We further demonstrate practical CPU inference and browser-based execution on mobile devices using ONNX Runtime, enabling 3D Gaussian avatar synthesis without dedicated GPU hardware or application-specific software. In addition to conventional image-quality metrics, we evaluate multi-view consistency, training cost, and deployment performance. Code, trained models, and evaluation tools will be released publicly.
• Abstract（参考訳）: 生成型3Dガウスヘッドアバターは高品質で効率的なレンダリングを提供するが、ガウス表現の合成は計算コストがかかり、リソース制約やエッジデバイスへの展開が制限される。 本研究では,パラメータ効率のよい合成ブロックと奥行きの分離可能な畳み込みに基づく,非条件の3次元ガウスヘッド合成のための効率的なジェネレータアーキテクチャを提案する。 私たちのアーキテクチャは、モデル圧縮や量子化を必要とせずに、ジェネレータの複雑さを低減します。 ベースラインモデルと比較して,提案手法はFLOPを94%,パラメータ数を70%,モデルサイズを81%削減し,競争力のある生成品質を維持した。 我々はさらに、ONNX Runtimeを用いてモバイルデバイス上での実用的なCPU推論とブラウザベースの実行を実証し、GPUハードウェアやアプリケーション固有のソフトウェアを使わずに3Dガウスアバター合成を可能にする。 従来の画像品質指標に加えて,マルチビューの一貫性,トレーニングコスト,デプロイメント性能を評価した。 コード、トレーニングされたモデル、評価ツールが一般公開される。

関連論文リスト

• 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)
• Quantile Rendering: Efficiently Embedding High-dimensional Feature on 3D Gaussian Splatting [52.18697134979677]
  コンピュータビジョンの最近の進歩は、3Dガウススプラッティング(3D-GS)を活用して、OVS(Open-vocabulary segmentation)を3Dドメインに拡張することに成功している。 既存の方法はコードブックや特徴圧縮を採用しており、情報損失を引き起こし、セグメンテーションの品質が低下する。 本稿では,高忠実度を維持しながら高次元特徴を効率的に処理する3次元ガウスの新たなレンダリング戦略であるQuantile Rendering(Q-Render)を紹介する。 本フレームワークは,512次元特徴写像上での43.7倍の高速化でリアルタイムレンダリングを実現するとともに,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2025-12-24T04:16:18Z)
• Accelerating 3D Gaussian Splatting with Neural Sorting and Axis-Oriented Rasterization [14.87046071090259]
  3D Gaussian Splatting (3DGS) は、最近、高品質で効率的なビュー合成において大きな注目を集めている。 アルゴリズムの性能は素晴らしいが、リソースに制約のあるデバイスのリアルタイムレンダリングは、厳しい電力と地域予算のために依然として大きな課題だ。
  論文  参考訳（メタデータ） (2025-06-08T10:14:54Z)
• ProtoGS: Efficient and High-Quality Rendering with 3D Gaussian Prototypes [81.48624894781257]
  3D Gaussian Splatting (3DGS) は、新しいビュー合成において大きな進歩を遂げてきたが、ガウスプリミティブのかなりの数によって制限されている。 近年の手法では、密度の高いガウスの記憶容量を圧縮することでこの問題に対処しているが、レンダリングの品質と効率の維持には失敗している。 本稿では,ガウスの原始体を表現するためにガウスのプロトタイプを学習するProtoGSを提案し,視覚的品質を犠牲にすることなくガウスの総量を大幅に削減する。
  論文  参考訳（メタデータ） (2025-03-21T18:55:14Z)
• GSFusion: Online RGB-D Mapping Where Gaussian Splatting Meets TSDF Fusion [12.964675001994124]
  従来の融合アルゴリズムは3次元シーンの空間構造を保存する。 ヴィジュアライゼーションの面では現実主義を欠いていることが多い。 GSFusionはレンダリング品質を犠牲にすることなく計算効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-08-22T18:32:50Z)
• GSGAN: Adversarial Learning for Hierarchical Generation of 3D Gaussian Splats [20.833116566243408]
  本稿では,Gaussianを3D GANの3次元表現として利用し,その効率的かつ明示的な特徴を活用する。 生成したガウスの位置とスケールを効果的に正規化する階層的多スケールガウス表現を持つジェネレータアーキテクチャを導入する。 実験結果から,最先端の3D一貫したGANと比較して,レンダリング速度(x100)が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-06-05T05:52:20Z)
• CompGS: Efficient 3D Scene Representation via Compressed Gaussian Splatting [68.94594215660473]
  Compressed Gaussian Splatting (CompGS) という,効率的な3次元シーン表現を提案する。 我々は少数のアンカープリミティブを予測に利用し、プリミティブの大多数を非常にコンパクトな残留形にカプセル化することができる。 実験の結果,提案手法は既存の手法よりも優れており,モデル精度とレンダリング品質を損なうことなく,3次元シーン表現のコンパクト性に優れていた。
  論文  参考訳（メタデータ） (2024-04-15T04:50:39Z)

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。