EDGS: 高速の高密度化を排除した3DGSのリコグニアシオン

本文は、3次元光スペクトルからシーンの構造情報を格子の形状を使用して再現することにより、最も一般的な3次元グラムスプレットング（3D Gaussian Splatting）方法に代表されるように動作します。しかし、このアプローチではdensification（高密度化）ステップが複雑で時間がかかるためです。「EDGS」という名前の提案は、その名のとおり、densificationステップを排除することによって、この問題を取り除くことを試みています。具体的には、 densified initializationと呼ばれる新しい初期化方法を使用し、高精度RGB画像から得られる情報を全てのグアイアスプラットに組み込む方式を導入します。この方法は、densificationステップが不要となり、格子の分割や調整の必要性も減らすためです、また他のアルゴリズムよりもさらに細かな詳細を保持することができることに加えてです。<br>結論として、EDGSはLPIPSとSSIMによる性能指数評価において3次元グラムスプレットング（3DGS）の標準的な方法よりも高速で評価でき、訓練が深まれば、その結果は最高のモデルよりも良い再現品質へと向上します。「EDGS」の新しい方法は何ものれん加速テクニックとも互換性があり、他のアーチェとの相性も良好なため、実存の手法と組み合わせることも可能となります。

arXiv:2504.13204v2 Announce Type: replace Abstract: 3D Gaussian Splatting reconstructs scenes by starting from a sparse Structure-from-Motion initialization and refining under-reconstructed regions. This process is slow, as it requires multiple densification steps where Gaussians are repeatedly split and adjusted, following a lengthy optimization path. Moreover, this incremental approach often yields suboptimal renderings in high-frequency regions. We propose a fundamentally different approach: eliminate densification with a one-step approximation of scene geometry using triangulated pixels from dense image correspondences. This dense initialization allows us to estimate the rough geometry of the scene while preserving rich details from input RGB images, providing each Gaussian with well-informed color, scale, and position. As a result, we dramatically shorten the optimization path and remove the need for densification. Unlike methods that rely on sparse keypoints, our dense initialization ensures uniform detail across the scene, even in high-frequency regions where other methods struggle. Moreover, since all splats are initialized in parallel at the start of optimization, we remove the need to wait for densification to adjust new Gaussians. EDGS reaches LPIPS and SSIM performance of standard 3DGS significantly faster than existing efficiency-focused approaches. When trained further, it exceeds the reconstruction quality of state-of-the-art models aimed at maximizing fidelity. Our method is fully compatible with other acceleration techniques, making it a versatile and efficient solution that can be integrated with existing approaches.