3Dガウシアンスプラッティングのためのドロップイン知覚最適化
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Apple Machine Learning
研究チームは、3Dガウシアンスプラッティングの知覚最適化戦略を体系的に探索し、39,320件の主観評価を含む大規模人間評価研究を実施した。これにより、従来のピクセルレベル損失によるぼやけたレンダリング問題を改善する手法を提案している。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
出力結果が最終的に人間視聴者によって消費されるにもかかわらず、3D ガウススプッティング（3D Gaussian Splatting）手法は、画素レベルの損失の場当たり的な組み合わせに依存することが多く、その結果、ぼやけたレンダリングが生じてしまいます。これに対処するため、私たちは多様な歪み損失（distortion losses）を探索することで、3DGS に対する知覚最適化戦略を体系的に検討します。我々は、複数のデータセットと 3DGS フレームワークにわたる 39,320 のペア比較評価を含む、3DGS に関する初の大規模な人間主観研究を実施しました。その結果、WD-R と呼ぶワッシャーシュタイン歪み（Wasserstein Distortion）の正則化バージョンが明確な勝者として浮上し、…
原文を表示
Despite their output being ultimately consumed by human viewers, 3D Gaussian Splatting (3DGS) methods often rely on ad-hoc combinations of pixel-level losses, resulting in blurry renderings. To address this, we systematically explore perceptual optimization strategies for 3DGS by searching over a diverse set of distortion losses. We conduct the first-of-its-kind large-scale human subjective study on 3DGS, involving 39,320 pairwise ratings across several datasets and 3DGS frameworks. A regularized version of Wasserstein Distortion, which we call WD-R, emerges as the clear winner, excelling at…
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み