核心概念
提案されたFed3DGSは、分散型学習を活用したスケーラブルな3D再構築フレームワークであり、外観モデリングと共に高品質な画像を実現する。
要約
現行の都市規模再構築手法は中央集権的アプローチを採用しており、サーバーへの負荷が大きい課題がある。
Fed3DGSは、分散コンピュータリソースを活用し、グローバルモデルの連続更新を可能にする。
外観モデリングにより季節変動に対応し、シーンの変化や外観変化を効果的に捕捉することが示されている。
モデル更新手法や外観モデリングの効果的性能評価が行われており、他手法と比較して優れた結果が得られている。
統計
"Block-NeRF [51]は960m×570mのエリアで2.8M枚の画像を使用して35つのモデルをトレーニング"
"λは0.2で設定されており、L1損失とD-SSIM項からなるL3dgs(I, ˆI) = (1−λ)L1(I, ˆI)+λLD-SSIM(I, ˆI)である"
引用
"Our method demonstrates rendered image quality comparable to centralized approaches."
"We propose Fed3DGS, a federated learning framework with 3DGS."