I3DGS: Improve 3D Gaussian Splatting from Multiple Dimensions

要約

3D ガウス スプラッティングは、3D ビュー合成の新しい方法であり、従来のニューラル レンダリング テクノロジよりも暗黙的なニューラル学習レンダリング結果を得ることができ、より高解像度の高速レンダリング速度を維持できます。
しかし、実用的なアプリケーションにおいて 3D ガウス スプラッティングで十分な速度の効率を達成することは依然として困難です。
この課題を解決するために、私たちは合成モデルの性能向上評価ソリューションと実験テスト「I3DS」を提案します。
オリジナルの 3D ガウス スプラッティングの複数の重要なレベルまたは次元から、選択したさまざまなアイテムやコンポーネントが 3D ガウス スプラッティング モデルのトレーニング効率にどのような影響を与えるかをテストするために、2,000 を超えるさまざまな種類の実験を行いました。
このペーパーでは、トレーニング、パフォーマンス、モデルのさまざまな項目によって引き起こされる影響を改善する方法について、豊富で有意義な経験と方法を共有します。
ASCII エンコードおよびデコード メカニズムを使用した、特殊ではあるが通常の 95 進数の整数圧縮と、94 進数の浮動小数点圧縮が示されています。
実際の効果的な実験やテスト結果、現象が多数記録されます。
一連の妥当な微調整を行うと、I3DS は以前のものよりも優れたパフォーマンスの向上を得ることができます。
プロジェクトのコードはオープンソースとして入手できます。

要約(オリジナル)

3D Gaussian Splatting is a novel method for 3D view synthesis, which can gain an implicit neural learning rendering result than the traditional neural rendering technology but keep the more high-definition fast rendering speed. But it is still difficult to achieve a fast enough efficiency on 3D Gaussian Splatting for the practical applications. To Address this issue, we propose the I3DS, a synthetic model performance improvement evaluation solution and experiments test. From multiple and important levels or dimensions of the original 3D Gaussian Splatting, we made more than two thousand various kinds of experiments to test how the selected different items and components can make an impact on the training efficiency of the 3D Gaussian Splatting model. In this paper, we will share abundant and meaningful experiences and methods about how to improve the training, performance and the impacts caused by different items of the model. A special but normal Integer compression in base 95 and a floating-point compression in base 94 with ASCII encoding and decoding mechanism is presented. Many real and effective experiments and test results or phenomena will be recorded. After a series of reasonable fine-tuning, I3DS can gain excellent performance improvements than the previous one. The project code is available as open source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google