論文の概要: MatrixSplat: Matrix-Parallel and Feature-Scalable 3D Gaussian Splatting Rendering on GPUs
- arxiv url: http://arxiv.org/abs/2611.15153v1
- Date: Wed, 11 Nov 2026 07:49:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.077293
- Title: MatrixSplat: Matrix-Parallel and Feature-Scalable 3D Gaussian Splatting Rendering on GPUs
- Title(参考訳): MatrixSplat:GPU上でのマトリックスパラレルと機能拡張可能な3Dガウススプレイティングレンダリング
- Abstract要約: 既存の3DGSレンダリングパイプラインは、現代的なGPUアーキテクチャと不整合である。
本稿では,最新のGPU上で機能スケーリング可能な3DGSのための行列並列フレームワークMatrixSplatを提案する。
MatrixSplatは3DGSで3.8ドル、TC-GSで2ドルというスピードアップを実現し、レンダリング品質とセマンティック精度を維持している。
- 参考スコア(独自算出の注目度): 20.07040480991853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian Splatting (3DGS) has emerged as a mainstream representation for real-time novel view synthesis and 3D reconstruction. However, existing 3DGS rendering pipelines are poorly aligned with modern GPU architectures: depth-sorted alpha compositing introduces strong per-pixel sequential dependencies, limiting parallelism and resulting in scalar FMA-dominated execution that underutilizes high-throughput matrix units such as Tensor Cores. This mismatch becomes more severe for multimodal and semantically enriched 3DGS, where high-dimensional features must be accumulated from millions of Gaussians, leading to rapidly increasing computation and memory costs. We propose MatrixSplat, a matrix-parallel rendering framework for feature-scalable 3DGS on modern GPUs. We first identify the sequential dependency of alpha compositing as a key obstacle to efficient high-dimensional feature rendering, and adopt an order-independent weighted accumulation formulation that transforms feature rendering into matrix-oriented computation. Our framework features three key designs: (i) a tile-based splatting pipeline that maps feature accumulation to warp-level matrix-multiply-accumulate execution on Tensor Cores; (ii) a warp-granularity Gaussian packing strategy that mitigates visibility irregularity and improves feature reuse; and (iii) a lazy channel-batched feature-fetching pipeline that reduces shared-memory pressure, maintains high warp occupancy, and overlaps memory access with matrix execution for high-dimensional features. On Mip-NeRF 360, LERF, and 3D-OVS, MatrixSplat achieves up to 3.8$\times$ speedup over 3DGS and 2$\times$ over TC-GS while maintaining rendering quality and semantic accuracy, and further reduces render-kernel time by up to 36.7$\times$ for high-dimensional features. Integrated into existing fast renderers, it provides an additional 1.69-2.84$\times$ speedup.
- Abstract(参考訳): 3D Gaussian Splatting (3DGS) は、リアルタイムの新規ビュー合成と3D再構成の主流の表現として登場した。
しかし、既存の3DGSレンダリングパイプラインは、現代のGPUアーキテクチャと不整合である: ディープソートされたアルファ合成は、強いピクセル単位のシーケンシャルな依存関係を導入し、並列性を制限し、結果として、Tensor Coresのような高スループットマトリクスユニットを非活用するスカラーなFMA支配実行をもたらす。
このミスマッチは、数百万のガウスから高次元の特徴を蓄積しなければならないマルチモーダルでセマンティックに富んだ3DGSにとってより深刻なものとなり、計算とメモリコストが急速に増大する。
本稿では,最新のGPU上で機能スケーリング可能な3DGSのための行列並列レンダリングフレームワークMatrixSplatを提案する。
まず,アルファ合成の逐次的依存性を高次元特徴レンダリングの鍵となる障害として同定し,特徴表現を行列指向の計算に変換する順序非依存重み付き蓄積定式化を採用する。
私たちのフレームワークには3つの重要な設計があります。
i) Tensor Cores上でのワープレベルの行列多重累積実行に特徴蓄積をマッピングするタイルベースのスプレイティングパイプライン
二 可視性不規則性を緩和し、特徴の再利用を改善するワープ粒度ガウシアンパッケージング戦略
三 遅延チャネルバッチ方式の機能フェッチパイプラインで、共有メモリの圧力を低減し、高いワープ占有率を維持し、メモリアクセスと高次元特徴の行列実行を重複させる。
Mip-NeRF 360、LERF、および3D-OVSでは、MatrixSplatは3DGSよりも3.8$\times$、TC-GSより2$\times$、レンダリング品質とセマンティック精度を保ちながら、高次元の特徴に対して最大36.7$\times$を実現している。
既存の高速レンダラーに統合され、追加の1.69-2.84$\times$ speedupを提供する。
関連論文リスト
- 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) - LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。
カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。
本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
論文 参考訳(メタデータ) (2025-05-29T06:50:57Z) - 3D Convex Splatting: Radiance Field Rendering with 3D Smooth Convexes [87.01284850604495]
多視点画像から幾何学的に有意な放射場をモデル化するためのプリミティブとして3次元滑らかな凸を利用した3次元凸法(3DCS)を提案する。
3DCSは、MipNeizer, Tanks and Temples, Deep Blendingなどのベンチマークで、3DGSよりも優れたパフォーマンスを実現している。
本結果は,高品質なシーン再構築のための新しい標準となる3Dコンベクシングの可能性を強調した。
論文 参考訳(メタデータ) (2024-11-22T14:31:39Z) - Efficient Perspective-Correct 3D Gaussian Splatting Using Hybrid Transparency [6.119688280076556]
3D Gaussian (3DGS)は、リバースレンダリングとリアルタイムなシーン探索の両方のために、多用途レンダリングプリミティブを証明している。
最近の研究は多視点コヒーレンスを損なうアーティファクトを緩和し始めており、その中には不整合な透明性ソートや2Dスプラットの視点修正アウトラインによるアーティファクトのポップアップが含まれていた。
本研究では, リアルタイムフレームレートを維持するために, 高精度なブレンディング, ハイブリッド透明性の高精度な近似を用いて, 完全視点補正された3次元ガウスアンを最大コヒーレンスを達成することを目的としている。
論文 参考訳(メタデータ) (2024-10-10T17:14:16Z)
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。