Aes3D：3Dガウススプラッティングにおける美的評価

概要: 3Dガウス・スプラッティング（3DGS）が、没入型メディアやデジタル・コンテンツ制作において注目を集めるにつれ、3Dシーンの美しさを評価することは、制作者がより視覚的に魅力的な3Dコンテンツを構築するうえで重要になってきています。しかし、既存の3Dシーン評価手法は主として再構成の忠実性と知覚的なリアリズムを重視しており、構図、調和、視覚的な魅力といったより高次の美的属性は、ほとんど見落とされています。この制約は、2つの主要な課題に起因します: （1）美的注釈を備えた一般的な3DGSデータセットが存在しないこと、そして（2）低レベルなプリミティブ表現としての3DGSの本質により、高レベルの美的特徴を捉えることが難しいことです。これらの課題に対処するために、我々は3Dニューラルレンダリング・シーンの美しさを評価するための最初の体系的枠組みであるAes3Dを提案します。Aes3Dには、我々が提案する3Dシーンの美的注釈戦略に基づいて構築された、3Dシーンの美的評価専用の最初のデータセットであるAesthetic3Dが含まれます。さらに、3DGS表現からシーンレベルの美的スコアを直接予測する軽量なモデルであるAes3DGSNetも提示します。特に、本モデルは3Dガウスのプリミティブのみを用いて動作し、多視点画像のレンダリングを不要にするため、計算コストと必要なハードウェア要件を削減します。多視点の3DGSシーン表現に対する、美しさに基づいた教師あり学習（aesthetics-supervised learning）により、Aes3DGSNetは高レベルの美的手がかりを効果的に捉え、美的スコアを正確に回帰します。実験結果は、我々のアプローチが軽量な設計を維持しながら強力な性能を達成し、3Dシーンの美的評価に対する新たなベンチマークを確立することを示しています。コードとデータセットは、今後のバージョンで公開予定です。