William Koch氏らは2026年10月4日(現地時間)、論文「SCION: Scene Composition with Instanced Neural Primitives」をarXiv cs.CVに公開した。既存の神経シーン表現が抱える冗長なパラメータと操作性の課題に対し、再利用可能なプリミティブと軽量なインスタンスを導入した階層的な構成的シーン表現「SCION」を提案する。この手法は、マルチビューからのキャプチャデータを対象に、離散的および連続的なシーンパラメータに対する共同最適化を通じて、高品質を維持しつつコンパクトな表現を実現する。
既存の3D Gaussian Splatting（ガウシアン・スプラッティング）およびその追随手法は、シーン内の各要素を独立して扱っている。これにより、数百万の独立したガウシアンをシーンごとに適合させ、冗長なパラメータが格納され、下流のタスクにおける操作性が限定されるという課題があった。Splat and Replaceのような先行手法もテンプレートオブジェクトを適合させるものの、反復する要素の手動選択が求められていた。
SCIONは、これらの課題に対し、独立したガウシアンを再利用可能なプリミティブのコンパクトな語彙と、シーン全体に変形されたコピーを配置する軽量なワールドスペースインスタンスに置き換える。この表現は、スプラットとインスタンスにおける2段階の高密度化と、共有プリミティブ全体の詳細を維持する敵対的損失を組み合わせた、離散的および連続的なシーンパラメータに対する共同最適化によってマルチビューキャプチャに適合される。
これにより、回復された構造は1.2 MBでも高品質を維持するコンパクトで制御可能な表現となる。SCIONは、既存のGaussian圧縮手法と比較して良好なレート歪み特性を達成し、再学習なしでのインスタンスレベルのシーン編集およびアニメーションを可能にする。この研究は、神経シーン表現がシーンを独立したプリミティブとして記憶する必要はなく、再利用可能な部品を発見できることを示している。
参考: arXiv cs.CV (アーカイブ) — 2026年10月5日 13:00 (JST)
原文ハイライト"neural scene representations need not memorize scenes as independent primitives"