BOGausS: Better Optimized Gaussian Splatting

要約

3D Gaussian Splatting（3DGS）は、新しいビュー合成のための効率的なソリューションを提案しています。
そのフレームワークは、高速で忠実なレンダリングを提供します。
ニューラル放射輝度フィールド（NERF）などの他のソリューションよりも複雑ではありませんが、品質を犠牲にすることなく小さなモデルを構築する課題がまだいくつかあります。
この研究では、3DGSトレーニングプロセスの慎重な分析を実行し、新しい最適化方法論を提案します。
当社のより最適化されたガウススプラッティング（Bogauss）ソリューションは、品質の低下のない元の3DGよりも最大10倍軽量モデルを生成することができ、したがって、アートの州と比較してガウススプラッティングのパフォーマンスを大幅に向上させることができます。

要約(オリジナル)

3D Gaussian Splatting (3DGS) proposes an efficient solution for novel view synthesis. Its framework provides fast and high-fidelity rendering. Although less complex than other solutions such as Neural Radiance Fields (NeRF), there are still some challenges building smaller models without sacrificing quality. In this study, we perform a careful analysis of 3DGS training process and propose a new optimization methodology. Our Better Optimized Gaussian Splatting (BOGausS) solution is able to generate models up to ten times lighter than the original 3DGS with no quality degradation, thus significantly boosting the performance of Gaussian Splatting compared to the state of the art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google