3D Gaussian Splatting (3DGS)は、高忠実度レンダリングのための強力な表現として近年注目を集めています。しかしながら、既存の3DGSアセットは、詳細の欠落やテクスチャノイズなどの品質上のボトルネックにしばしば直面しています。従来の研究では、2D画像処理によるアセット強化が試みられてきましたが、このアプローチは計算コストが高く、多視点間の不整合を引き起こすという問題がありました。
この課題に対して、ECCV2026で採択された論文「AnchorSplat: Fast and Structure Consistent Detail Synthesis for Gaussian Splatting」は、新しい3DネイティブなリファインメントパラダイムであるAnchorSplatを提案しています。従来の3D-2D-3Dパイプラインとは異なり、AnchorSplatはエンドツーエンドの深層ネットワークとして3D構造に直接作用し、高価な最適化オーバーヘッドを回避します。さらに、AnchorSplatは元の多視点画像を必要としない、厳密にソースフリーなソリューションです。
AnchorSplatの中核となるのは、ポイントアンカー機構（Point Anchor Mechanism）です。この機構は、局所的なオフセット制約を通じて幾何学的な一貫性を強制し、不良設定のマッピングや勾配の混乱を軽減します。各ガウス点に対応するアンカーポイントを定義し、そのオフセットを予測することで、構造的一貫性を保ちつつ詳細を強化します。また、AnchorSplatは反復的な高密度化をシングルパス乗算メカニズムに置き換えることで、一回の順伝搬で全てのガウス点の更新を計算し、処理速度を大幅に向上させています。
研究を促進するために、著者らはこのタスクのための初の大規模ベンチマークである3DGS-SRを構築しました。実験結果は、3DGS-SRデータセットにおいてAnchorSplatが最先端の性能を達成し、スループットが従来の最適化手法よりも最大10^5倍高速であることを示しています。特筆すべき点として、AnchorSplatは生成モデルの出力や実世界のスキャンを含む多様なデータ分布に対して堅牢なゼロショット汎化を示しました。
著者らはまた、AnchorSplatが既存の3DGSパイプラインに後処理ステップとしてシームレスに統合できることを示しています。元の多視点画像を必要としないため、事前学習済みの3DGSアセットのみが利用可能な状況で特に有用です。今後の研究では、動的シーンやマルチ解像度の詳細合成への拡張が期待されます。この研究は、3DGSアセットの高品質なリファインメントに対する効率的かつ一貫性のあるソリューションを提供し、自動運転や仮想現実などの分野での応用が期待されます。