論文の概要: SplatQ: Interaction-Aware Pruning of 3D Gaussian Splatting via Quadratic Selection
- arxiv url: http://arxiv.org/abs/2610.13503v1
- Date: Fri, 09 Oct 2026 12:30:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.577114
- Title: SplatQ: Interaction-Aware Pruning of 3D Gaussian Splatting via Quadratic Selection
- Title（参考訳）: SplatQ: 擬似選択による3次元ガウス平滑化の対話型プラニング
- Abstract要約: 既存の3Dガウスプラッティング(3DGS)プルーニング法は、独立重要度スコアに基づくグローバルTop-K選択に依存している。
固定予算下での地域予算配分と共同ガウス選択を協調するプルーニングアルゴリズムであるSplatQを提案する。
5つのベンチマーク実験により、SplatQは集合的再構成品質、空間的品質バランス、レンダリング速度において最先端のプルーニング手法より優れていることが示された。
- 参考スコア（独自算出の注目度）: 48.20082172275618
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing 3D Gaussian Splatting (3DGS) pruning methods primarily rely on global Top-K selection based on independent importance scores, lacking regional budget control and ignoring joint deletion effects. Consequently, they cannot ensure balanced reconstruction quality across a scene. We propose SplatQ, a combinatorial pruning algorithm that coordinates regional budget allocation and joint Gaussian selection under a fixed budget. SplatQ partitions Gaussians by spatial proximity and appearance similarity into size-limited blocks, decomposing global selection into subproblems of a specific size. It then smooths importance-based block retention quotas to prevent excessive budget concentration. Finally, it constructs a quadratic approximation of joint deletion effects using the responses of representative pixel colors to changes in Gaussian opacity. Individual responses, pairwise interactions, and quota penalties are incorporated into a quadratic unconstrained binary optimization (QUBO) objective, solved using simulated annealing (SA) or a coherent Ising machine (CIM) to jointly select Gaussians. Experiments on 5 benchmarks demonstrate that SplatQ outperforms state-of-the-art pruning methods in aggregate reconstruction quality, spatial quality balance, and rendering speed. Ablations confirm that budget smoothing improves local detail reconstruction, while interaction modeling improves Gaussian selection quality under a fixed budget.
- Abstract（参考訳）: 既存の3Dガウシアン・プルーニング法(3DGS)は、主に独立重要度スコアに基づくグローバルTop-Kの選択に依存しており、地域予算管理の欠如と共同削除効果の無視が特徴である。
これにより、シーン間のバランスの取れた復元品質を確保することはできない。
本研究では,地域予算配分とガウス的共同選択を固定予算で調整する組合せ型プルーニングアルゴリズムであるSplatQを提案する。
SplatQはガウス人を空間的近接と外観的類似性によってサイズ制限ブロックに分割し、グローバルな選択を特定のサイズのサブプロブレムに分解する。
そして、過剰な予算集中を防ぐために、重要度に基づくブロック保持クォータを円滑にする。
最後に、ガウス不透明度の変化に対する代表画素色の応答を用いて、関節削除効果の2次近似を構築する。
擬似アニーリング(SA)またはコヒーレントイジングマシン(CIM)を用いて解き、ガウスを共同選択する。
5つのベンチマーク実験により、SplatQは集合的再構成品質、空間的品質バランス、レンダリング速度において最先端のプルーニング手法より優れていることが示された。
予算平滑化は局所的な詳細再構築を改善する一方、相互作用モデリングは固定予算下でのガウス選択品質を改善する。
関連論文リスト
- Compressing 3D Gaussian Splatting via Cross-Representation Priors [20.870041528567825]
3D Gaussian Splatting (3DGS) は高画質の新規ビュー合成を可能にするが, 密度ガウス原始体による高貯蔵・伝送コストを発生させる。
最近のアンカーベース圧縮は、原始的毎の冗長性を減少させるが、アンカー間の冗長性はほとんど明らかにされていない。
そこで我々は,CRP-GSを提案する。CRP-GSは速度歪みに最適化された圧縮フレームワークで,事前表現を利用してアンカーレベルのエントロピーモデルを改善する。
論文 参考訳（メタデータ） (2026-09-19T13:07:59Z) - Gaussian-JEPA: Joint-Embedding Predictive Learning for 3D Gaussian Splats [91.55220894541151]
3D Gaussian Splatting (3DGS)は、幾何学と外観を結合的にエンコードする異方性プリミティブを持つ3Dコンテンツを表す。
本稿では,ガウス的トークンブロックの表現を視覚的コンテキストから予測するガウス的JEPAを提案する。
論文 参考訳（メタデータ） (2026-08-16T09:43:50Z) - 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) - Beyond Heuristics: Learnable Density Control for 3D Gaussian Splatting [78.96382179408054]
強化学習(RL)により最適化されたパラメータ化ポリシネットワークとして密度制御を再構築するフレームワークであるbfLeGSを紹介する。
計算的トラクタビリティを維持するために、報酬計算の複雑さを$O(N2)$から$O(N)$に下げる閉形式解を導出する。
Mip-NeRF 360、Tants & Temples、Deep Blendingのデータセットの実験は、bfLeGSが最先端の手法を大幅に上回っていることを示している。
論文 参考訳（メタデータ） (2026-05-01T05:04:49Z) - 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) - Diversity-Aware Adaptive Collocation for Physics-Informed Neural Networks via Sparse QUBO Optimization and Hybrid Coresets [0.0]
PINNは、内部のコロケーションポイントでPDE残基をペナル化することで、支配方程式を強制する。
標準的なコロケーション戦略は、スムーズな領域をオーバーサンプリングし、高い相関点集合を生成し、不要なトレーニングコストを発生させることができる。
我々は,kNN類似性グラフ上に構築された疎グラフベースのBQMと,正確なコロケーション予算を強制する効率的な修復手順を提案する。
論文 参考訳（メタデータ） (2026-03-06T14:26:34Z) - Two-Timescale Optimization Framework for Sparse-Feedback Linear-Quadratic Optimal Control [3.746304628644379]
The $mathcalHfeedback$-guaranteed sparse-feedback linear-quadratic (LQ) optimal control with convex parameterization and convex-bounded uncertainty。
論文 参考訳（メタデータ） (2024-06-17T03:17:33Z) - 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) - HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression [55.6351304553003]
3D Gaussian Splatting (3DGS) は、新しいビュー合成のための有望なフレームワークとして登場した。
高速な3DGS表現のためのHash-grid Assisted Context (HAC) フレームワークを提案する。
私たちの研究は、コンテキストベースの3DGS表現の圧縮を探求するパイオニアです。
論文 参考訳（メタデータ） (2024-03-21T16:28:58Z)
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。