自己組織化ガウスグリッドを用いたコンパクトな3Dシーン表現

3Dガウススプラッティング（3DGS）は、静的3Dシーンのモデリングにおいて近年、非常に有望な技術として注目を集めている。ニューラルレディアンスフィールド（Neural Radiance Fields）とは異なり、効率的なラスタライゼーションを活用することで、高品質なレンダリングを極めて高速に行える点が特徴である。しかし、その一方でストレージサイズが著しく大きくなるという課題があり、特にリソース制約の厳しいデバイスへの実用的展開を妨げている。本論文では、3DGSのパラメータを局所的な均質性を持つ2次元グリッドに構造化することで、視覚品質を損なうことなくストレージ要件を劇的に削減する、コンパクトなシーン表現を提案する。本手法の中心となるアイデアは、自然シーンに内在する知覚的な冗長性を明示的に活用することにある。本質的に、シーンの構造はガウスパラメータの多数の異なる組み合わせによって等価に表現可能である。この点を踏まえ、高次元のガウスパラメータを2次元グリッドに規則正しく配置しつつ、その近傍構造を維持する、新たな高並列アルゴリズムを提案する。学習段階では、グリッド内の並べ替えられたパラメータ間の局所的な滑らかさをさらに強制する。非圧縮状態のガウスは3DGSと同一の構造を持つため、既存のレンダラとのシームレスな統合が可能である。本手法により、複雑なシーンにおいてストレージサイズを17倍から42倍まで削減しつつ、学習時間の増加もなしに実現した。これは、3Dシーンの配信および利用の分野において、大きな飛躍を示すものである。詳細情報はプロジェクトページにて公開中：https://fraunhoferhhi.github.io/Self-Organizing-Gaussians/