GlobalSplat: グローバルシーントークンを用いた効率的なフィードフォワード3Dガウシアンスプラッティング

要約

3Dガウシアンスプラッティング(3D Gaussian Splatting)における効率的なプリミティブの空間配置は、表現のコンパクト性、再構成速度、レンダリング品質の調和に直結している。従来の最適化手法やフィードフォワード推論手法はこれらの目標間で大きなトレードオフを強いられており、グローバルなシーン認識を欠いたローカルで経験的な配置戦略に依存していることが問題である。本論文ではGlobalSplatを提案し、マルチビュー入力から明示的な3D幾何をデコードする前に、クロスビュー対応を解決するコンパクトなグローバル潜在シーン表現を学習する「先にアライン、後にデコード」という原則に基づく。粗から細への訓練カリキュラムにより、表現の肥大化を防止する。RealEstate10KおよびACI Dデータセットで、わずか16Kガウシアンで競争力のある新規視点合成性能を達成し、4MBの軽量フットプリントを実現。さらに78ミリ秒の高速推論を可能にする。