Trick-GS: A Balanced Bag of Tricks for Efficient Gaussian Splatting

要約

3D再建のためのガウススプラッティング（GS）は、迅速なトレーニング、推論速度、高品質の再構成により、非常に人気がありました。
ただし、GSベースの再構成は一般に何百万人ものガウスで構成されているため、スマートフォンなどの計算制約のあるデバイスで使用が困難になります。
この論文では、最初に効率的なGSメソッドの進歩の原則的な分析を提案します。
次に、（1）分解能、ノイズ、ガウススケールを備えたプログレッシブトレーニング、（2）その重要性によってプリミティブとSHバンドを剪定およびマスクすることを学習することを含むいくつかの戦略の慎重な組み合わせであるTrick-GSを提案します。
加速GSトレーニングフレームワーク。
トリック-Gは、リソースに制約のあるGSに向けて大きな一歩を踏み出します。このGSでは、ランニングタイムがより速く、より小さく、より速いモデルの混乱が最重要であることが懸念されます。
3つのデータセットでの結果は、トリック-GがバニラGSと比較して最大2倍のトレーニング、40倍のディスクサイズ、2倍のレンダリング速度を達成し、同等の精度を達成することを示しています。

要約(オリジナル)

Gaussian splatting (GS) for 3D reconstruction has become quite popular due to their fast training, inference speeds and high quality reconstruction. However, GS-based reconstructions generally consist of millions of Gaussians, which makes them hard to use on computationally constrained devices such as smartphones. In this paper, we first propose a principled analysis of advances in efficient GS methods. Then, we propose Trick-GS, which is a careful combination of several strategies including (1) progressive training with resolution, noise and Gaussian scales, (2) learning to prune and mask primitives and SH bands by their significance, and (3) accelerated GS training framework. Trick-GS takes a large step towards resource-constrained GS, where faster run-time, smaller and faster-convergence of models is of paramount concern. Our results on three datasets show that Trick-GS achieves up to 2x faster training, 40x smaller disk size and 2x faster rendering speed compared to vanilla GS, while having comparable accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google