Fugu-MT 論文翻訳(概要): Frequency-Adaptive Gaussian Grids for Efficient Image Representation

論文の概要: Frequency-Adaptive Gaussian Grids for Efficient Image Representation

arxiv url: http://arxiv.org/abs/2610.38007v2
Date: Fri, 30 Oct 2026 14:22:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:05:31.38114
Title: Frequency-Adaptive Gaussian Grids for Efficient Image Representation
Title（参考訳）: 効率的な画像表現のための周波数適応型ガウス格子
Abstract要約: 本稿では,構造化プリミティブと非構造化プリミティブを適応的に統合するハイブリッドニューラル表現であるGaussian-Gridを提案する。我々は、GPUネイティブなデータセットストレージとして、デコード速度の改善とPCIeデータトラフィックの2,3times$-$176times$ over JPEG + ZIP data archivingを示す。
参考スコア（独自算出の注目度）: 11.375414367851365
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Neural representation has emerged as a powerful tool to mitigate the demand for increasingly higher-resolution images. However, a fundamental trade-off remains between structured (e.g., feature grids, which offer spatial consistency) and unstructured (e.g., 2D Gaussians, which adaptively capture local variances) representations. This choice significantly affects how well an algorithm represents an image. Here, we present Gaussian-Grid, a hybrid neural representation that adaptively integrates structured and unstructured primitives. By dynamically partitioning computation between 2D Gaussian distributions and their attached multi-resolution feature grids based on the local frequency content, Gaussian-Grid automatically optimizes its architecture to match the underlying complexity of the target signal. We evaluate our approach using high-resolution natural images and demonstrate its applications as GPU-native dataset storage, showing $1.24$-$2.14\times$ decoding speed improvement and PCIe data traffic reduction of $23\times$-$176\times$ over JPEG + ZIP data archiving. The results show that Gaussian-Grid maintains small memory footprints while achieving high reconstruction fidelity across a variety of datasets.
Abstract（参考訳）: ニューラル表現は、高解像度画像の需要を緩和する強力なツールとして登場した。しかし、構造的(例えば、空間的整合性を提供する特徴格子)と非構造的(例えば、局所的な分散を適応的に捉える2Dガウス多様体)の間の基本的なトレードオフが残っている。この選択は、アルゴリズムがいかに画像を表現するかに大きな影響を与える。本稿では,構造化プリミティブと非構造化プリミティブを適応的に統合するハイブリッドニューラル表現であるGaussian-Gridを提案する。 2次元ガウス分布とそれに付随するマルチレゾリューション特徴格子を局所周波数コンテンツに基づいて動的に分割することにより、ガウス・グリッドはそのアーキテクチャを最適化し、ターゲット信号の基盤となる複雑さに適合させる。我々は、高解像度の自然画像を用いてアプローチを評価し、GPUネイティブなデータセットストレージとしてその応用を実証し、デコード速度の改善とPCIeデータトラフィックの2,3\times$-176\times$ over JPEG + ZIPデータアーカイブを示す。その結果,Gaussian-Gridはメモリフットプリントを小さく保ちつつ,さまざまなデータセットに対して高い再構成精度を実現していることがわかった。

関連論文リスト

Free-Range Gaussians: Non-Grid-Aligned Generative 3D Gaussian Reconstruction [72.85652875805387]
フリーランジガウス(Free-Range Gaussians)は、4つの画像から非画素、非ボクセル対応の3Dガウスを推定する多視点再構成法である。再構成の生成的定式化により,非グリッド型3次元データによるモデル管理が可能となった。
論文参考訳（メタデータ） (2026-04-06T17:24:18Z)
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)
SGI: Structured 2D Gaussians for Efficient and Compact Large Image Representation [15.343904266924445]
2D Gaussian Splattingは、ローエンドデバイスでの効率的なレンダリングをサポートする新しい画像表現技術として登場した。高解像度画像を表現するためのコンパクトで効率的なフレームワークであるStructured Gaussian Image (SGI)を提案する。 SGIは複雑な画像を、種子の集合によって定義された複数スケールの局所空間に分解する。
論文参考訳（メタデータ） (2026-03-08T20:14:19Z)
Contour Information Aware 2D Gaussian Splatting for Image Representation [0.0]
本稿では,Contour Information-Aware 2D Gaussian Splattingフレームワークを提案する。提案手法は,既存の2DGS法と比較して,オブジェクトエッジ周辺の再現性が高い。
論文参考訳（メタデータ） (2025-12-29T07:24:36Z)
Fast 2DGS: Efficient Image Representation with Deep Gaussian Prior [21.89104780995278]
Fast-2DGSは効率的なガウス画像表現のための軽量なフレームワークである。本稿では,ガウスプリミティブの空間分布を捉えるための条件付きネットワークとして実装されたDeep Gaussian Priorを紹介する。実験により、この非絡み合ったアーキテクチャは、1つの前方通過で高品質な再構築を実現し、次いで最小限の微調整を行うことが示された。
論文参考訳（メタデータ） (2025-12-14T17:23:28Z)
Large Images are Gaussians: High-Quality Large Image Representation with Levels of 2D Gaussian Splatting [21.629316414488027]
textbfLarge textbfImages are textbfGaussians (textbfLIG)。
論文参考訳（メタデータ） (2025-02-13T07:48:56Z)
GaussianToken: An Effective Image Tokenizer with 2D Gaussian Splatting [64.84383010238908]
本稿では,2次元ガウススプラッティングを解法とする効果的な画像トークン化手法を提案する。一般に、我々のフレームワークは、2次元ガウス分布の局所的な影響を離散空間に統合する。 CIFAR, Mini-Net, ImageNet-1K 上での競合的再構成性能は,我々のフレームワークの有効性を示す。
論文参考訳（メタデータ） (2025-01-26T17:56:11Z)
PixelGaussian: Generalizable 3D Gaussian Reconstruction from Arbitrary Views [116.10577967146762]
PixelGaussianは、任意の視点から一般化可能な3Dガウス再構成を学習するための効率的なフレームワークである。提案手法は,様々な視点によく一般化した最先端性能を実現する。
論文参考訳（メタデータ） (2024-10-24T17:59:58Z)
Image-GS: Content-Adaptive Image Representation via 2D Gaussians [52.598772767324036]
本稿では,2次元ガウス放射率に基づくコンテンツ適応型画像表現であるImage-GSを紹介する。リアルタイム使用のためにハードウェアフレンドリーな高速アクセスをサポートし、ピクセルをデコードするためには0.3KのMACしか必要としない。テクスチャ圧縮、セマンティクス対応圧縮、共同画像圧縮と復元など、いくつかのアプリケーションでその汎用性を実証する。
論文参考訳（メタデータ） (2024-07-02T00:45:21Z)

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。