概要: レイトレーシングベースの3Dガウシアン・スプラッティング（3DGS）手法は、ラスタライズの限界――剛体ピンホールカメラの仮定、不正確な影、ネイティブな反射や屈折の欠如――を克服しますが、すべての交差ガウシアンを各レイに沿ってソートするコストのため依然として遅いままです。さらに、既存のレイトレーシング手法は、再照明可能（relightable）なシーンに対して影マッピングのようなラスタライズ風の近似にまだ依存しており、レイトレーシングが約束する汎用性を損ねています。
本研究では、レイトレーシング3DGSのための、微分可能でソート不要な確率（stochastic）による定式化を提示します。これは、標準および再照明可能な3DGSシーンの両方を再構成しレンダリングするために、確率的なレイトレーシングを用いる最初の枠組みです。中心となるのは、ピクセル色勾配のための偏りのないモンテカルロ推定器であり、各レイごとにガウシアンのごく小さなサンプル部分集合のみを評価することで、ソートの必要性を回避します。標準3DGSにおいては、本手法は再構成品質と速度の点でラスタライズベース3DGSと同等の性能を達成し、ソートベースのレイトレーシングを大幅に上回ります。再照明可能3DGSでは、同じ確率的推定器が、完全にレイトレーシングされた影レイによってガウシアンごとのシェーディングを駆動し、先行研究よりも著しく高い再構成忠実度を実現します。
返却形式: {"translated": "翻訳されたHTML"}
