Mobile-GS: モバイルデバイス向けリアルタイムガウススプラッティング

Mobile-GS: Real-time Gaussian Splatting for Mobile Devices

March 12, 2026

著者: Xiaobiao Du, Yida Wang, Kun Zhan, Xin Yu

cs.AI

要旨

3Dガウススプラッティング（3DGS）は、多様なアプリケーションにおける高品質レンダリングの強力な表現法として登場した。しかし、その高い計算要求と大規模なストレージコストは、モバイルデバイスへの展開において重大な課題となっている。本研究では、モバイル向けに調整されたリアルタイムガウススプラッティング手法であるMobile-GSを提案し、エッジデバイス上での効率的なガウススプラッティングの推論を実現する。具体的には、まず、時間のかかるガウス深度ソート処理に依存するため、アルファブレンディングが主要な計算ボトルネックであることを特定する。この問題を解決するために、ソートを不要とする深度感知順序独立レンダリング方式を提案し、レンダリングを大幅に高速化する。この順序独立レンダリングはレンダリング速度を向上させるが、レンダリング順序の不足により、幾何学的に重複する領域で透明度に関するアーティファクトが生じる可能性がある。この問題に対処するため、視点方向、3Dガウス形状、および外観属性に条件付けされた視点依存効果のより正確なモデリングを可能にする、ニューラル視点依存強調戦略を提案する。これにより、Mobile-GSは高品質かつリアルタイムのレンダリングを両立できる。さらに、メモリ制約の厳しいモバイルプラットフォームへの展開を容易にするため、一次球面調関数蒸留、ニューラルベクトル量子化技術、および貢献度ベースの剪定戦略を導入し、ニューラルネットワークの支援によりガウスプリミティブの数を削減し、3Dガウス表現を圧縮する。大規模な実験により、提案するMobile-GSが、高視覚品質を維持しつつ、リアルタイムレンダリングとコンパクトなモデルサイズを達成し、モバイルアプリケーションに適していることを実証する。

English

3D Gaussian Splatting (3DGS) has emerged as a powerful representation for high-quality rendering across a wide range of applications.However, its high computational demands and large storage costs pose significant challenges for deployment on mobile devices. In this work, we propose a mobile-tailored real-time Gaussian Splatting method, dubbed Mobile-GS, enabling efficient inference of Gaussian Splatting on edge devices. Specifically, we first identify alpha blending as the primary computational bottleneck, since it relies on the time-consuming Gaussian depth sorting process. To solve this issue, we propose a depth-aware order-independent rendering scheme that eliminates the need for sorting, thereby substantially accelerating rendering. Although this order-independent rendering improves rendering speed, it may introduce transparency artifacts in regions with overlapping geometry due to the scarcity of rendering order. To address this problem, we propose a neural view-dependent enhancement strategy, enabling more accurate modeling of view-dependent effects conditioned on viewing direction, 3D Gaussian geometry, and appearance attributes. In this way, Mobile-GS can achieve both high-quality and real-time rendering. Furthermore, to facilitate deployment on memory-constrained mobile platforms, we also introduce first-order spherical harmonics distillation, a neural vector quantization technique, and a contribution-based pruning strategy to reduce the number of Gaussian primitives and compress the 3D Gaussian representation with the assistance of neural networks. Extensive experiments demonstrate that our proposed Mobile-GS achieves real-time rendering and compact model size while preserving high visual quality, making it well-suited for mobile applications.