論文の概要: CrossPressor: Scalable Cross-View Fusion for Feed-Forward 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2611.06258v1
- Date: Wed, 04 Nov 2026 10:07:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.050467
- Title: CrossPressor: Scalable Cross-View Fusion for Feed-Forward 3D Gaussian Splatting
- Title（参考訳）: CrossPressor: フィードフォワード3Dガウス分割のためのスケーラブルなクロスビューフュージョン
- Abstract要約: CrossPressorは、スケーラブルなアンカーベースの融合のためのトレーニング不要の方法である。
ビューの増大するサポートシーケンスを制約しながら、デコーダ対応のアンカークエリをすべて保存する。
最大で26.12ドル(約2,600円)のクロスビュー融合と1.43ドル(約1,300円)のエンドツーエンドアクセラレーションを実現している。
- 参考スコア（独自算出の注目度）: 12.613585734423252
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feed-forward 3D Gaussian Splatting (3D-GS) becomes increasingly difficult to scale to long multi-view sequences. Anchor-based compression methods such as ZPressor alleviate representation growth by decoding Gaussians only from a compact set of anchor feature maps, but keeping these anchors fixed forces each one to aggregate an increasing number of support views. We identify this representation--fusion mismatch and introduce \textbf{CrossPressor}, a training-free method for scalable anchor-based fusion. CrossPressor preserves all decoder-facing anchor queries while constraining the view-growing support sequence through coverage-cycled evidence routing, distributing retained spatial evidence across support views and fusion layers while keeping all support views represented. Routing before K/V projection, together with joint context packing, further reduces support-side fusion cost without retraining. CrossPressor maintains reconstruction quality close to dense fusion while achieving up to $26.12\times$ faster cross-view fusion and $1.43\times$ end-to-end acceleration on long input sequences. Our project page is at: https://yuhsihu.github.io/CrossPressor.
- Abstract（参考訳）: フィードフォワード3Dガウススメッティング(3D-GS)は、長いマルチビューシーケンスにスケールすることがますます困難になる。
ZPressorのようなアンカーベースの圧縮手法は、ガウスをコンパクトなアンカー特徴写像の集合からのみデコードすることで表現の増大を緩和するが、これらのアンカーを固定した力をそれぞれ保って、より多くのサポートビューを集約する。
この表現-融合ミスマッチを識別し、スケーラブルなアンカーベース核融合のためのトレーニング不要な方法である \textbf{CrossPressor} を導入する。
CrossPressorは、カバレッジサイクルのエビデンスルーティングを通じて、ビューの成長するサポートシーケンスを制約しながら、デコーダが対象とするアンカークエリをすべて保存し、サポートビューとフュージョン層に保持された空間エビデンスを分散するとともに、すべてのサポートビューを表現している。
K/Vプロジェクション前のルーティングと共同コンテキストパッキングは、再トレーニングなしでサポート側核融合コストをさらに削減する。
CrossPressorは、高密度核融合に近い再現品質を維持しながら、より高速なクロスビュー核融合と、長い入力シーケンス上でのエンド・ツー・エンド・アクセラレーションを実現している。
私たちのプロジェクトページは以下の通りです。
関連論文リスト
- MeshCarve: Artisan Mesh Generation with Flow Matching in Compact Latent Spaces [55.87625441319878]
MeshCarveは、コンパクトな潜在空間で完全に生成されるフローマッチング手法である。
トークン列を短くするため,階層型スパーストランスフォーマーバックボーンを提案する。
論文 参考訳（メタデータ） (2026-10-07T09:20:13Z) - AVSplat: Dense-View Feed-Forward 3D Gaussian Splatting with Assist-View Preconditioning [78.53780077475876]
AVSplatは、アグリゲーションと表現の両方のための信頼性の高い信号に付加的なビューを変換するフレームワークである。
表現には適応型温度認識型ボクセル融合を用い,高い占有率下での寄与を鋭くする。
AVSplatは、パフォーマンスが安定している、あるいはより多くのインプットビューが追加されるにつれて改善される、ポジティブなビュースケーリングを復元する。
論文 参考訳（メタデータ） (2026-09-05T06:33:04Z) - ViT-Up: Faithful Feature Upsampling for Vision Transformers [19.84545321813943]
視覚変換器(ViT)は視覚表現学習において支配的なアーキテクチャとなっている。
ViTは、グローバルな自己注意の二次的なコストのため、比較的小さなパッチ・トーケン・グリッドで一般的に運用される。
我々は、外部画像ガイダンスを中間のViT隠蔽状態から階層的にクエリ構造に置き換えるフレームワークであるViT-Upを紹介する。
論文 参考訳（メタデータ） (2026-06-12T01:55:17Z) - A Cross-view Fusion Framework for Robust 6-DoF Grasp Pose Estimation [34.48829831555172]
クロスビュー融合フレームワークは、コーナービューにおける6-DoFグリップポーズ推定の堅牢性を高める。
本稿では,ポイントクラウドの機能の正規化にクロスビューアソシエーションを活用する,自己指導型コントラスト学習戦略を提案する。
このフレームワークは,GraspNet-1Billionベンチマークや実世界のアプリケーションで高い性能を発揮する。
論文 参考訳（メタデータ） (2026-06-05T03:45:10Z) - ArtSplat: Feed-Forward Articulated 3D Gaussian Splatting from Sparse Multi-State Uncalibrated Views [26.73085272044419]
ArtSplatは3D Gaussian Splattingのための最初のフィードフォワードフレームワークである。
単一の前方通過で複数の調音状態にわたるスパース多視点画像から幾何学的パラメータと関節的パラメータの両方を再構成する。
PartNet-Mobilityの68個の明瞭なオブジェクトに対する実験では、ArtSplatは、ベースラインの400倍以上の速度で、幾何学的および関節的推定の両方において競合性能を達成している。
論文 参考訳（メタデータ） (2026-05-23T00:31:47Z) - XAttnRes: Cross-Stage Attention Residuals for Medical Image Segmentation [7.618393856935408]
Cross-Stage Attention Residuals (XAttnRes)は、エンコーダとデコーダの両方の出力を蓄積したグローバルな機能履歴プールを維持するメカニズムである。
XAttnResは、4つのデータセットと3つのイメージングモードのパフォーマンスを一貫して改善する。
論文 参考訳（メタデータ） (2026-03-28T15:40:57Z) - FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。
ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-05-28T08:40:14Z) - CAIT: Triple-Win Compression towards High Accuracy, Fast Inference, and Favorable Transferability For ViTs [89.79139531731637]
ビジョントランスフォーマー (ViT) は様々なビジョンタスクの最先端モデルとして登場した。
本稿では,高次アンダーライン精度,高速アンダーライン推論速度,下流タスクに対する好適なアンダーライン変換性を両立させたViTの合同アンダーライン圧縮法を提案する。
論文 参考訳（メタデータ） (2023-09-27T16:12:07Z)
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。