You Only Gaussian Once：制御可能な3Dガウススプラッティングによる超高密度サンプリングシーン

要旨: 3D Gaussian Splatting（3DGS）はニューラルレンダリングに革命をもたらしましたが、既存手法は依然として主に研究プロトタイプにとどまっており、本番環境レベルの導入には適していません。私たちは、実世界での適用を妨げる重要な「産学ギャップ」を特定します。その要因は、ヒューリスティックなガウス成長による予測不可能なリソース消費、物理的な忠実性よりも幻覚を報いる現在のベンチマークに備わった「疎性のシールド」、および深刻なマルチセンサーデータ汚染です。このギャップを埋めるために、YOGO（You Only Gaussian Once）を提案します。これは、確率的な成長プロセスを決定論的で、予算を意識した平衡状態へと作り替えるシステムレベルの枠組みです。YOGOは、ハードウェア制約下でのリソース割り当てを行う新しい予算コントローラと、頑健なマルチセンサーフュージョンのための可用性登録プロトコルを統合します。復元の忠実度の限界を押し広げるために、私たちは「Immersion v1.0」を導入します。これは「疎性のシールド」を打ち破ることを目的に特別に設計された、初の超高密度屋内データセットです。Immersion v1.0は、ビューのカバレッジを飽和させることで、アルゴリズムに対して、ビューの補間ではなく極限の物理的忠実性へ集中することを強制し、高忠実度復元の上限にコミュニティが注力できるようにします。大規模な実験により、YOGOは、厳密に決定論的なプロファイルを維持しつつ、最先端の視覚品質を達成することが示されています。これにより、本番環境向け3DGSの新しい標準が確立されます。再現性を促進するために、Immersion v1.0データセットの一部シーンおよびYOGOのソースコードが公開されています。プロジェクトリンクは https://jjrcn.github.io/YOGO/ です。