効率的な4Dガウスストリーミングのための適応型アンカーポリシー

要旨: ガウシアン・スプラッティングを用いた動的シーン再構成は、リアルタイムレンダリングと自由視点動画のための効率的なストリーミングを可能にしています。しかし、ほとんどのパイプラインはFarthest Point Sampling（FPS）のような固定アンカー選択に依存しており、シーンの複雑さに関係なく通常8,192個のアンカーを使用します。これは厳密な予算下で計算資源を過剰に割り当てることになります。我々は Efficient Gaussian Streaming（EGS）を提案します。これはプラグイン型の予算認識型アンカーサンプラーで、FPSを置換する強化学習で学習したポリシーを用い、Gaussian streaming再構築のバックボーンを変更せずに済みます。ポリシーは離散的な制約の下でアンカー予算と有用なアンカーのサブセットを共同で選択し、Gaussian表現の空間特徴を用いて再構成品質と実行時間のバランスを取ります。我々は2つの設定、すなわち、実行時間の効率を最優先する高速レンダリングと、追加の最適化を可能にする高品質リファインメントでEGSを評価します。動的なマルチビュー・データセットの実験は、FPSサンプリングと比較して品質と効率のトレードオフを一貫して改善することを示します。未知データにおいて、256アンカーでの高速レンダリング（8,192個より32倍少ない）では、EGSはPSNRを+0.52～+0.61dB改善し、IGS@8192より1.29～1.35倍速く動作します（N3DVおよびMeetingRoom）。高品質リファインメントでは、EGSは大幅に低いアンカー予算でもフルアンカーのベースラインと競合します。 \emph{受理後にコードと事前学習済みチェックポイントを公開します。} \keywords{4Dガウシアン・スプラッティング \and 4Dガウシアン・ストリーミング \and 強化学習}