要旨: 3D Gaussian Splatting（3Dガウス・スプラッティング）は、リアルタイム性能によって神経レンダリングに革命をもたらしました。しかし、レベル・オブ・ディテール（Level-of-Detail）手法を用いてこのアプローチを大規模シーンへ拡張するには、重要な課題があります。具体的には、レンダリング時間の60%超を費やす非効率な逐次トラバーサル（直列探索）と、冗長なガウス・タイルのペアによって生じる不要な処理オーバーヘッドです。これらの制限に対処するため、ツリーのトラバーサルなしで、ガウス要素を効率的に選択する2つの補完的フィルタを備えた並列フィルタリング機構を特徴とする FilterGS を提案します。さらに、ガウス・タイルのキー・バリュー・ペアの冗長性を定量化する新しい GTC メトリクスも提案します。このメトリクスに基づき、冗長なペアを効果的に削減するシーン適応型のガウス縮小戦略を導入します。大規模な複数のデータセットに対する広範な実験により、FilterGS が競争力のある視覚品質を維持しつつ、最先端のレンダリング速度を達成することを示します。プロジェクトページ: https://github.com/xenon-w/FilterGS
FilterGS：大規模LoD 3Dガウススプラッティングに向けた、トラバース不要の並列フィルタリングと適応的シュリンク
arXiv cs.CV / 2026/3/26
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- FilterGSは、大規模なレベル・オブ・ディテール（LoD）3Dガウススプラッティングにおける性能ボトルネックを対象とする。シリアルなツリー走査がレンダリング時間の60%以上を占めることがある。
- 本手法は、ツリー走査の代わりに、補完的な2つのフィルタを用いて関連するガウス要素を効率的に選択する、トラバース不要の並列フィルタリング設計を導入する。
- FilterGSは、ガウス—タイルのキー・バリュー対における冗長性を測定する新しいGTCメトリクスを定義し、無駄な計算の削減をより賢く行えるようにする。
- GTCメトリクスを用いて、可視品質を維持しつつ、冗長なガウス—タイル処理を減らすための、シーン適応型のガウス・シュリンク戦略を適用する。
- 複数の大規模データセットでの実験により、競合する画像品質を維持しながらレンダリング速度を最先端で向上できることが示されており、本プロジェクトは公開GitHubページで利用可能である。
