GS^2：コンパクトな3Dガウススパッタリングのためのグラフに基づく空間分布最適化

arXiv cs.CV / 2026/4/3

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、空間的な一貫性を損なうことなく3Dガウススパッタリングをよりメモリ効率良くするための、グラフベースの空間分布最適化手法GS^2を提案する。
GS^2は、ELBOに基づく適応的な密化（densification）戦略を用いて、学習中にガウス点をどのように追加するかを自動的に制御する。
不透明度（opacity）を考慮したプログレッシブなプルーニング（pruning）により、低不透明度のガウス点を動的に削除してメモリを削減するアプローチを導入する。
グラフに基づく特徴エンコーディング・モジュールが、特徴に導かれた点のシフト（point shifting）を行い、ガウスの空間分布をより適切に調整する。
実験では、3DGSに対して再構成品質と効率が向上し、より高いPSNRを達成しつつ、使用するガウス点数はおよそ12.5%にまで抑えられることが報告されている。

要旨: 3D Gaussian Splatting（3DGS）は、ニュー・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てきました。それにもかかわらず、大量のガウス点による高いメモリコストのため、その実用性には制約があります。メモリ削減のために、剪定（pruning）ベースの多くの3DGS派生手法が提案されていますが、しばしば空間的一貫性を損ない、レンダリングアーティファクトにつながることがあります。この問題に対処するため、コンパクトな3D Gaussian Splatting（GS\textasciicircum2）のためのグラフベースの空間分布最適化を提案します。これは、ガウス点の空間分布を最適化することで再構成品質を高めます。具体的には、densification（密化）プロセスを自動的に制御する、証拠下限（ELBO）ベースの適応的密化戦略を導入します。さらに、低い不透明度（opacity）のガウス点を動的に除去することで、メモリ消費をさらに削減する不透明度に配慮した段階的剪定戦略も提案します。加えて、フィーチャーに導かれた点のシフトによって空間分布を調整する、グラフベースの特徴エンコーディング・モジュールを提案します。広範な実験により、GS\textasciicircum2がコンパクトなガウス表現を実現しつつ、優れたレンダリング品質を提供することが検証されます。3DGSと比べて、ガウス点は約12.5%に抑えながら、より高いPSNRを達成します。さらに、本手法はレンダリング品質とメモリ効率の両面で、比較したすべてのベースラインを上回ります。