ARGS：並列プログレッシブな次スケール予測による自己回帰型ガウス・スプラッティング

arXiv cs.CV / 2026/4/2

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

提案手法ARGSは、2Dの次スケール予測の自動回帰的発想を3D生成（Gaussian splattingの多視点・多スケール表現）へ拡張し、LOD（解像度/詳細度）ごとの次スケールを並列に予測して生成するフレームワークを提示しています。
Gaussian simplification（簡略化）とその逆変換によって、粗い表現から次スケール生成へ誘導する戦略を導入し、階層木（hierarchical trees）を用いることで生成に必要なステップ数をO(log n)に抑えるとしています。
ツリー構造を自動回帰的に予測するtree-based transformerを提案し、葉ノードが内部祖先に注意（attention）することで、構造の整合性を高める設計になっています。
実験により、生成するマルチスケールGaussian表現の詳細度・視覚品質を制御でき、計算時間も現実的な範囲に収められることを示しています。

\(\mathcal{O}(\log n)\)
のみで済み、ここで n は点の数である。加えて、樹構造に基づくトランスフォーマーを提案し、樹構造を自己回帰的に予測することで、葉ノードがその内部の祖先に注意（アテンション）できるようにし、構造的一貫性を高める。大規模な実験により、提案手法が、制御可能な詳細度、視覚的忠実性、そして管理可能な計算時間の範囲で、多スケールのガウス表現を効果的に生成できることを示す。