3Dコンテンツの作成は、品質および速度の両面で顕著な進展を遂げている。現在の前向き型モデル（feed-forward models）は、数秒で3Dオブジェクトを生成可能であるものの、訓練時に要する膨大な計算負荷により、解像度に制限が生じている。本論文では、テキストプロンプトまたは単一視点画像から高解像度の3Dモデルを生成することを目的とした、新たなフレームワーク「Large Multi-View Gaussian Model（LGM）」を提案する。本研究の核心的な洞察は以下の2点である。1）3D表現：多視点ガウス特徴量を、効率的かつ強力な表現形式として提案。この特徴量は、微分可能レンダリングを可能にするため、異なる視点から融合可能である。2）3Dバックボーン：テキストや単一視点画像入力から多視点拡散モデルを活用して生成可能な多視点画像を処理できる、非対称U-Netを高スループットなバックボーンとして導入。広範な実験により、本手法の高い忠実度と効率性が実証された。特に、5秒以内で3Dオブジェクトを生成する高速性を維持しつつ、訓練解像度を512にまで向上させることで、高解像度3Dコンテンツの生成を実現した。