Core Concepts
スプラッター画像は、単一の入力画像から高速かつ高品質な3D物体再構築を実現する。
Abstract
本論文では、スプラッター画像と呼ばれる新しい手法を提案している。スプラッター画像は、入力画像から効率的に3D物体の形状と外観を再構築する。
主な特徴は以下の通り:
入力画像から、各ピクセルに対応する3D ガウシアンを予測する。これらのガウシアンの集合が3D物体の表現となる。
2D畳み込みネットワークを用いて、入力画像から直接ガウシアンパラメータを出力する。これにより、効率的な推論と学習が可能となる。
ガウシアンスプラッティングを用いて、高速かつ高品質な3D物体の描画を実現する。
単一視点からの再構築に加え、複数視点の入力にも対応する。
標準的なベンチマークデータセットで、従来手法を上回る再構築品質を達成する。
学習と推論の両方で非常に高速であり、単一GPUでの学習が可能。
これらの特徴により、スプラッター画像は効率的で実用的な3D物体再構築手法となっている。
Stats
単一視点での車の再構築では、PSNR 24.00、SSIM 0.92、LPIPS 0.078を達成した。
単一視点での椅子の再構築では、PSNR 24.43、SSIM 0.93、LPIPS 0.067を達成した。
複数視点での車の再構築では、PSNR 26.01、SSIM 0.94を達成した。