論文の概要: Direct Conditional Parameterization for N-Dimensional Splatting
- arxiv url: http://arxiv.org/abs/2610.22778v1
- Date: Fri, 16 Oct 2026 00:39:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.722111
- Title: Direct Conditional Parameterization for N-Dimensional Splatting
- Title（参考訳）: N次元スプラッティングの直接条件パラメータ化
- Abstract要約: N-DGSとUBSはこのステップをガウスカーネルとベータカーネルで共有している。
生産スライシングは、オンザフライの共分散条件より6.9-7.7倍速い。
直接条件付けは、N次元スプラッティングの構造化された、カーネルに依存しない代替手段を提供する。
- 参考スコア（独自算出の注目度）: 28.593251192665402
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: N-dimensional splatting extends 3D Gaussian Splatting with view direction and time to model view-dependent and dynamic effects. Each primitive is lifted into a joint distribution over position and conditioning variables, then conditionally sliced at each rendering query. N-DGS and UBS share this step across Gaussian and Beta kernels: recovering the conditional mean, opacity, and covariance requires per-primitive matrix inversions and regression products in every forward pass. We introduce direct conditional parameterization, replacing this covariance-derived readout with explicit per-effect parameters: a Cholesky precision factor for opacity and a factorized query-to-position regression operator with learnable per-dimension coupling. Unrestricted conditional coordinates recover a valid joint covariance; our factorization adds spatial-scale and coupling priors. Applied to both kernels, the parameterization yields dGS (Gaussian) and dBS (Beta). Across five static and dynamic benchmarks, they match or exceed their covariance-derived counterparts on quality, with gains up to +1.26 dB in the main MCMC evaluation. Production slicing is 6.9-7.7 times faster than on-the-fly covariance-derived conditioning; complete-render profiling gives 1.25-1.91 times speedups on four trained scenes. Direct conditioning provides a structured, kernel-agnostic alternative for N-dimensional splatting. Project page: https://gaozhongpai.github.io/dgs/.
- Abstract（参考訳）: N次元スプラッティングは3次元ガウススプラッティングを拡張し、ビュー依存および動的効果をモデル化する。
各プリミティブは、位置と条件変数に関する共同分布に持ち上げられ、各レンダリングクエリで条件付きスライスされる。
N-DGSとUBSはガウスカーネルとベータカーネルの間でこのステップを共有している。
直接条件パラメータ化を導入し、この共分散から導出される読み出しを明示的な効率パラメータに置き換える:不透明性に対するチョレスキーの精度係数と、学習可能な各次元結合を持つ因数分解されたクエリ対位置回帰演算子である。
非制限条件座標は有効な結合共分散を回復する。
両方のカーネルに適用すると、パラメータ化は dGS (Gaussian) と dBS (Beta) をもたらす。
静的な5つのベンチマークと動的ベンチマークは、MCMCのメイン評価では+1.26dBまで上昇する。
プロダクションスライシングはオンザフライの共分散条件より6.9-7.7倍速く、フルレンダープロファイリングは4つの訓練シーンで1.25-1.91倍のスピードアップを与える。
直接条件付けは、N次元スプラッティングの構造化された、カーネルに依存しない代替手段を提供する。
プロジェクトページ: https://gaozhongpai.github.io/dgs/。
関連論文リスト
- Exact information accounting for SGD methods [0.42671348654734564]
勾配降下(SGD)の正確な情報理論解析を行う。
プレコンディショニングされたSGDステップはガウスベイズモデルの後方平均更新であることを示す。
アイデンティティは、曲率プリコンディショナーが更新に入る方法を決定する。
論文 参考訳（メタデータ） (2026-09-30T17:53:04Z) - SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。
本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。
各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
論文 参考訳（メタデータ） (2026-09-29T09:38:29Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Two-View Accumulation as the Primary Training Lever for Hybrid-Capture Gaussian Splatting: A Variance-Decomposition View of When Gradient Surgery Helps [7.6889618752994595]
ハイブリッドキャプチャーノベルビュー合成は、かなり異なるカメラビューを組み合わせる。
標準3DGSは、ステップ毎に1つのレンダリングビューで30Kイテレーションでトレーニングされている。
本稿では,この発見を予測・説明する分散分解フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-29T17:45:51Z) - Singular Value Decomposition on Kronecker Adaptation for Large Language Model [0.8747606955991707]
大規模な事前訓練されたトランスフォーマーモデルは、様々な言語や推論タスクにまたがって最先端の結果が得られる。
完全な微調整は、かなりのストレージ、メモリ、計算オーバーヘッドを発生させる。
我々は, Kronecker-product tensor factorization と SVD-driven initialization と Dynamic rank selection を組み合わせた新しい PEFT 戦略である SoKA を提案する。
論文 参考訳（メタデータ） (2025-06-18T08:28:53Z) - ALoRE: Efficient Visual Adaptation via Aggregating Low Rank Experts [71.91042186338163]
ALoREは、Kroneckerによって構築された超複素パラメータ化空間をAggregate Low Rank Expertsに再利用する新しいPETL法である。
巧妙な設計のおかげで、ALoREは無視できる余分なパラメータを保持し、凍ったバックボーンに強制的にマージできる。
論文 参考訳（メタデータ） (2024-12-11T12:31:30Z) - Curvature-Informed SGD via General Purpose Lie-Group Preconditioners [6.760212042305871]
曲率情報を利用して勾配降下(SGD)を加速する新しい手法を提案する。
提案手法は,行列フリープレコンディショナーと低ランクプレコンディショナーの2つのプレコンディショナーを含む。
プレコンディショニングされたSGD(PSGD)は、ビジョン、NLP、RLタスクにおいてSoTAよりも優れていることを示す。
論文 参考訳（メタデータ） (2024-02-07T03:18:00Z) - Transformers as Support Vector Machines [54.642793677472724]
自己アテンションの最適化幾何と厳密なSVM問題との間には,形式的等価性を確立する。
勾配降下に最適化された1層変圧器の暗黙バイアスを特徴付ける。
これらの発見は、最適なトークンを分離し選択するSVMの階層としてのトランスフォーマーの解釈を刺激していると信じている。
論文 参考訳（メタデータ） (2023-08-31T17:57:50Z) - Black Box Lie Group Preconditioners for SGD [13.30021794793606]
勾配降下の収束を加速するために,行列自由および低階近似プレコンディショナーを提案する。
パラメータ更新の学習速度とプレコンディショナリングのステップサイズは自然に正規化され、デフォルト値はほとんどの状況でうまく機能する。
論文 参考訳（メタデータ） (2022-11-08T18:07:08Z)
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。