3D Gaussian Splatting（3DGS）は高忠実度のレンダリング表現として急速に注目を集めています。この技術は写真的なリアリズムを実現できる一方で、既存のアセットには細部の欠落やテクスチャノイズなどの品質上の課題が存在します。従来はこうした問題を2D画像処理を通じて改善しようとする試みがありましたが、このアプローチでは複数視点間の一貫性が失われ、計算コストも膨大になるという深刻な問題がありました。 こうした課題に対して、今回提案されたAnchorSplatは、3D空間で直接動作する新しい改善パラダイムを実現しています。端末間の深層ネットワークとして機能するAnchorSplatは、従来の3D-2D-3Dパイプラインの負担の大きい最適化プロセスを完全に回避でき、さらに元の複数視点画像をまったく必要としないという特徴を持つソースフリーソリューションです。 このアプローチの中核をなすのがポイントアンカーメカニズムで、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、不適切な写像と勾配の混同を軽減します。また、従来の反復的な密度化プロセスを単一パスの乗算メカニズムに置き換えることで、処理効率を大幅に向上させています。 研究を促進するため、このタスク向けの初めての大規模ベンチマークとなる3DGS-SRが構築されました。実験結果によれば、AnchorSplatは3DGS-SRデータセット上で最先端の結果を実現し、従来の最適化手法と比べて最大10の5乗倍高速化を達成しています。さらに注目すべきは、生成モデルの出力から実世界スキャンまで、多様なデータ分布に対してロバストなゼロショット汎化能力を示すことです。