arXiv cs.CVは2026年9月24日(現地時間)、ヴィヴェク・パンデイ氏、アミルホサイン・モラエイ・カース氏、ネイダー・モティー氏らが提案する新手法「LiTe-GS（ライテ・ジーエス）」に関する論文を公開しました。LiTe-GSは、スリーディー・ガウシアン・スプラッティング（3D Gaussian Splatting）における次善ビュー選択をオラクル効率的に行う手法です。本手法は、高価な情報ゲインオラクル評価の回数を削減することで、効率的なトレーニングと適応的な改良を可能にします。
3D Gaussian Splattingのモデルパラメータには、情報量の多いカメラビューの選択が大きく影響します。そのため、効率的なトレーニングと適応的な改良には、適切なビュー選択が不可欠です。しかし、既存の情報に基づいたビュー選択戦略では、候補となるビューが増加するにつれて、情報ゲインオラクルの費用がかかる評価を繰り返す必要がありました。
LiTe-GSは、この課題を解決するため、候補ビューの全プールを網羅的にスコアリングする代わりに、そのランダム化されたサブセットを評価します。これにより、情報オラクル評価の回数が削減され、オラクル効率が向上します。
提案されたLiTe-GSの選択スキームでは、オラクル計算量が候補ビュー数Mに対して期待値O(Mlog(1/ε))を達成し、選択カーディナリティKには依存しません。また、LiTe-GSはεを通じてオラクル効率と近似品質の間の明確なトレードオフを提供し、オラクル計算量および近似性能に関する理論的保証が示されています。
BlenderとMip-NeRF 360を用いた実験で、LiTe-GSはFisher-information-based baselinesに匹敵する再構築品質を維持しつつ、異なる取得設定においてFisher-oracleの評価回数を大幅に削減できることが実証されました。
参考: arXiv cs.CV (アーカイブ) — 2026年9月28日 13:00 (JST)