スマホをかざすだけで空間を丸ごと保存！「3D Gaussian Splatting」が拓く驚異の立体デジタル世界

３D
この記事は約28分で読めます。
  1. 3D Gaussian Splatting」のPodcast
  2. 1. はじめに：現実世界がそのままデジタルに飛び出す！新時代の「3DGS」とは？
  3. 2. 3DGSの基本原理：空間を「色と透明度を持った小さな雲」で表現する仕組み
      1. ポリゴンメッシュと3DGSのデータ表現の比較
  4. 3. 3大3Dグラフィックス技術の徹底比較：フォトグラメトリ、NeRF、3DGSの比較
  5. 4. 3DGSの心臓部：数学的パラメータと、AIによる驚異の「学習プロセス」
    1. ガウス粒子が持つ5つの魔法のパラメータ
      1. 1つの3Dガウス粒子が持つ情報（パラメータ）の視覚化
    2. AIによる「学習（トレーニング）」と最適化のステップ
  6. 5. 超実践！スマホで始める3DGS作成手順と世界を牽引するアプリ・ツール群
    1. 3DGSを作るための基本ワークフロー
      1. 3DGSの生成から圧縮、ブラウザ配信までの最新ワークフロー
    2. データの大幅な軽量化を可能にする「SPZ」形式
    3. 代表的な3DGSツール・アプリ比較
  7. 6. 産業界を揺るがす最新応用事例：ホビー、建設、映像、そして自動運転まで
      1. 社会を変える3DGSの多角的産業応用
  8. 7. 未来へのロードマップとこれからの課題：動的シーンへの挑戦と標準規格化
    1. 静的な世界から「動く世界」への大転換（4DGSとSplineGS）
    2. 業界の標準化（Khronos GroupによるglTF連携）
  9. 8. まとめ：空間コンピューティング時代の「JPEG」になる3DGS
  10. 参考資料

3D Gaussian Splatting」のPodcast

下記のPodcastは、Geminiで作成しました。

1. はじめに：現実世界がそのままデジタルに飛び出す！新時代の「3DGS」とは？

私たちの「見る」世界をデジタル空間へ美しく、そして瞬時に再現したいという願いは、コンピュータグラフィックスの歴史において常に最大のテーマでした。2023年8月、その常識を根底から塗り替える極めて革新的な3D表現技術「3D Gaussian Splatting（以下、3DGS）」が発表されました。この技術は、フランスのINRIA（フランス国立情報学自動制御研究所）などの研究チームが発表したもので、瞬く間に世界中の開発者やクリエイターを虜にしました。

3DGSの最大の特徴は、スマートフォンで撮影した短い動画や、数十〜数百枚の写真から、まるでそこをドローンで飛び回っているかのような、超高精細でリアルな3D空間をわずか数十分で自動生成できる点にあります。これまでの3Dモデリングのように、専門のエンジニアが何日もかけて形を作り、表面に画像を貼り付けるといった複雑な作業は必要ありません。

さらに、作成された3D空間は、一般的なパソコンやスマートフォンのブラウザ上でも、秒間100フレームを超える圧倒的な滑らかさで軽快に動き回ることができます。空間そのものを写真レベルのリアリズムで丸ごと固定し、自由に探索できる。そんな魔法のような技術である3DGSの仕組みと魅力について、初心者の方にも分かりやすく丁寧に紐解いていきます。

2. 3DGSの基本原理：空間を「色と透明度を持った小さな雲」で表現する仕組み

3DGSのユニークなアイデアを理解するための鍵は、「空間を小さな半透明の雲で満たす」というイメージにあります。

従来の3Dグラフィックスでは、三角形の板を無数につなぎ合わせて立体の表面を表現する「ポリゴンメッシュ」という手法が長年使われてきました。しかし、ポリゴンは硬い直線で構成された面の集まりであるため、髪の毛の一本一本、樹木の葉、水のきらめき、曇りガラスの奥に透ける景色といった「境界が曖昧なもの」を自然に表現することが大の苦手でした。

これに対し、3DGSは空間の中に「ガウス分布（3D Gaussian）」と呼ばれる、中心から外側に向かってなだらかに色が薄くなっていく「楕円形の霧のような雲（あるいは3次元のインクの滴）」を数百万個から数千万個も敷き詰めて立体を表現します。

ポリゴンメッシュと3DGSのデータ表現の比較

この柔らかい境界線を持つ無数の雲が複雑に重なり合うことで、角張ったカチッとした不自然な輪郭（ジャギー）を出すことなく、実物に近い滑らかで人間の目に馴染みやすいビジュアルを作り出します。

そして、この空間に浮かぶ無数の雲を、カメラの視点や角度に合わせて瞬時に2Dの画面に投影して描き出す技術を「スプラッティング（Splatting：絵の具の滴をキャンバスにペタペタと叩きつけるように描くこと）」と呼びます。描画の際には、画面を16×16ピクセルの小さなタイルに分割し、GPU（画像処理半導体）が得意とする超高速な並列処理（ラスタライズ処理）を活用して重ね合わせるため、これまでにない圧倒的な表示スピードを実現できるのです。

3. 3大3Dグラフィックス技術の徹底比較：フォトグラメトリ、NeRF、3DGSの比較

3DGSが登場する前にも、写真から3D空間を構築する技術は存在していました。その代表格が「フォトグラメトリ」と、AI技術を用いて一世を風靡した「NeRF（ナーフ：Neural Radiance Fields）」です。これらの技術と3DGSは何が違うのか、それぞれの仕組みと得手不得手を表にまとめました。

比較項目フォトグラメトリ（従来技術）NeRF（AI技術）3D Gaussian Splatting (3DGS)
空間の表現方式点群から三角形の面（ポリゴンメッシュ）を作り、表面に画像を貼る空間の光（密度と色）の情報をAI（ニューラルネットワーク）の中に記録する位置・大きさ・向き・色・透明度を持った無数の「3次元ガウス分布」の集合
描画速度（リアルタイム性）非常に高速（既存のゲームエンジンなどでそのまま快適に動かせる）比較的遅い（視点を変えるたびに重いAIの計算を再実行するためカクつきやすい）極めて高速（毎秒100フレーム以上の描画が可能で自由自在に動き回れる）
生成（学習）にかかる時間数時間〜数日（形状の計算やノイズの除去などの手動調整が必要）非常に長い（膨大な計算をAIに学習させるため、数時間〜数日を要する）非常に短い（簡単なシーンなら、わずか数分〜数十分の学習で完了する）
透過や反射の再現性苦手（水やガラス、金属のきらめきなどは形が歪んだり無視されやすい）得意（見る角度によって変わる光の変化を綺麗に再現できる）極めて得意（写真に写ったままの反射光や水の透明感をそのまま表現できる）
編集のしやすさ容易（一般的な3D編集ソフトで、特定の物体だけを動かしたり消したりできる）困難（ネットワーク自体を編集することが極めて難しい）比較的困難だが進化中（特定の塊を切り出すツールなどが登場している）

従来のフォトグラメトリは、現実の状況を忠実に形状データ化できるものの、透過や反射の表現が不得意であり、大量の写真を丁寧に撮影する必要がありました。NeRFは高品質な3D空間を生成できるものの、計算負荷が極めて高く、事前に決めたルートに沿ってカメラを動かす「事前レンダリング」の動画生成が基本でした。3DGSは、NeRFの「透過や反射を美しく再現できる」という長所をそのままに、計算負荷を驚異的に下げることで、リアルタイムで自由に空間を歩き回れる（没入型体験）という圧倒的なメリットを手に入れたのです。

4. 3DGSの心臓部：数学的パラメータと、AIによる驚異の「学習プロセス」

3DGSが極めてリアルな質感と高速描画を両立できているのは、各ガウス粒子（楕円形の霧）が保持している高度な数理的パラメータと、AIによる賢い学習システムに秘密があります。

ガウス粒子が持つ5つの魔法のパラメータ

空間に散りばめられる一つ一つのガウシアンは、単純な点ではなく、以下の情報を数値として抱え持っています。

  1. 中心座標 ($\mu$)：3次元空間のどこにその粒子が存在するかを示す位置（x, y, z）情報です。
  2. スケール ($S$)：楕円体がどの程度の大きさ（縦・横・高さ）に広がっているかを決めます。
  3. 回転 ($R$)：その楕円体が空間の中でどの方向（角度）に傾いているかを決定します。
  4. 不透明度 ($\alpha$)：光をどれくらい通すか（透け具合）を設定します。これによって、霧やガラス、水のような質感が生まれます。
  5. 色情報（球面調和関数：Spherical Harmonics）：見る角度によって色が変化して見えるようにするための数学的関数です。金属のキラキラした光沢や、車の塗装の見え方の変化、水面の反射などはすべて、この球面調和関数によって現実に近い見え方が精密に表現されています。

数学的には、3次元のガウス分布 $g(x)$ を用いて以下のように表現され、この中で共分散行列 $\Sigma$ を回転行列 $R$ とスケーリング行列 $S$ に分解することで、楕円体の形状を正確に定義しています。

g(x)=exp⁡(−12(x−μ)TΣ−1(x−μ))g(x) = \exp\left(-\frac{1}{2}(x-\mu)^T\Sigma^{-1}(x-\mu)\right)
Σ=RSSTRT\Sigma = R S S^T R^T

近年では、物体の幾何学的な「法線（ノーマル）」情報を3DGSの描画パイプラインに物理ベースのレンダリング方程式を用いて統合し、反射光のモデリングを極限まで正確にしながら、GPUのメモリ消費を節約する「Normal-GS」などの最先端技術も提案されています。また、環境マップによる高周波な鏡面反射を deferred shading 手法を用いて安定的にレンダリングする「3DGS-DR」などの手法も登場し、反射表現の技術は進化を続けています。

1つの3Dガウス粒子が持つ情報（パラメータ）の視覚化

AIによる「学習（トレーニング）」と最適化のステップ

3DGSのデータは、従来の3DCGのように手作業で構築するのではなく、AIの学習プロセスを経て自動的に磨き上げられていきます。そのステップは驚くほど合理的です。

  • カメラ位置の推定（SfM）：アップロードされた複数の写真の特徴的な模様をAIが照合し、それぞれの写真が「どの位置、どのアングルから撮影されたか」というカメラの正確なポーズを割り出します。この処理には、オープンソースの「COLMAP」などの位置推定ツールが使われます。
  • 初期ガウス粒子の配置：推定されたカメラ位置に基づき、空間上に大まかなガイドラインとなる「スカスカな点群（点データの集まり）」を作成し、その各点に初期の仮ガウス粒子を配置します。
  • 仮レンダリングと本物との比較：配置したガウス粒子を、撮影された写真と同じアングルからコンピュータの画面に一度投影（仮レンダリング）し、「実際に撮影した写真」との間にどれくらいのピクセルごとの色のズレ（誤差）があるかを計算します。
  • パラメータの最適化（誤差逆伝播）：計算された誤差がゼロに近くなるように、AIがすべてのガウス粒子の「位置」「大きさ」「向き」「透明度」「色」といったパラメータを繰り返し自動的に調整していきます。
  • 粒子の適応的密度制御（追加と削減）：調整の過程で、情報が足りない粗いエリアには自動的に新しいガウス粒子を追加（複製や分割）し、逆に不透明度が低すぎて存在価値のない不要なガウス粒子は自動で間引く（削減）作業を一貫して行います。

通常、数千回の計算でおおまかな形が見え始め、1万〜3万回繰り返すことで、実用上全く問題のない極めて高品質な3D空間が完成します。ただし、学習を過剰にやりすぎると「過学習（オーバーフィッティング）」という現象が発生し、実際には存在しない不要な汚れのような点（浮遊ノイズ）が現れるため、プレビューを確認しながら適切なタイミングで学習を止めることが重要となります。

5. 超実践！スマホで始める3DGS作成手順と世界を牽引するアプリ・ツール群

「自分でも3DGSを作ってみたい！」と思った方向けに、実際の撮影から生成までの具体的な手順と、2025・2026年現在世界中で活躍している無料・有料の代表的なツール群をご紹介します。

3DGSを作るための基本ワークフロー

撮影時の少しの手間で、出来上がる3DGSのクオリティは180度変わります。

  • 撮影（インプット）： スマートフォンなどのカメラを使い、対象物や空間を囲むように、ゆっくりと動かしながらあらゆる角度から撮影します。写真のオーバーラップ（前後の重なり）は、失敗を防ぐために80〜90%以上を目指すのが基本です。対象物だけなら200〜500枚、建物全体を記録するなら500〜1500枚、広い街並みなら1500〜5000枚の撮影枚数が目安となります。ピントを確実に合わせ、手ブレを防ぎ、撮影中に勝手に動く人やペット、風で揺れる葉などは画面から排除して、ノイズを極力出さない工夫が求められます [cite: 10, 24]。
  • 生成と書き出し： 撮影データを専用ツールに読み込ませます。インターネットを介してクラウド上で処理する方式（Luma AIやPolycamなど）であれば、スマートフォンの性能を問わず、ボタン一つで自動処理が行われます。ローカルPC上の専用環境（graphdeco-inria公式のリポジトリなど）で動作させる場合は、Visual Studioなどのコンパイル環境やCUDA（NVIDIA製GPU用の並列計算技術）の適切な導入が必要となり、知識を要する一方、完全オフラインで機密データを安全に扱えるという大きな利点があります [cite: 20, 22]。

3DGSの生成から圧縮、ブラウザ配信までの最新ワークフロー

データの大幅な軽量化を可能にする「SPZ」形式

完成した3DGSデータは一般的に「.ply」というフォーマットで保存されますが、何も処理を施していない状態ではファイルサイズが数百MBから数GBという巨大なものになってしまいます。これではスマートフォンでの表示や共有が困難です。

そこで近年、ゲーム開発会社のNiantic（ナイアンティック）社などが中心となり、独自のAI圧縮アルゴリズムを用いて見た目のクオリティをほとんど落とさずにデータを約90%削減する「.spz」などの極めて軽量なファイル形式が開発されました。これにより、例えば250MBあった巨大なPLYファイルがわずか25MBにまで劇的に縮小され、モバイルデータ通信でも一瞬で読み込んでWebブラウザ上で高速ストリーミング表示ができるという環境が整いました。

代表的な3DGSツール・アプリ比較

2025・2026年現在において、3DGSを語る上で欠かせない優れたアプリやオープンソースのレンダリング技術をまとめました。

ツール / 技術名動作環境 / 形態主な機能と初心者へのおすすめポイント
Scaniverse (Niantic)[cite: 3, 27]iOS / Android、無料、ローカル処理完全無料で、一切の利用登録やサブスクリプションを必要とせず、撮影から3DGSデータの構築までをスマートフォン単体（オンデバイス）でわずか数分で完了できます。標準で「.spz」ファイルでの軽量な書き出しが可能です。
Polycam[cite: 26, 32, 33]iOS / Android / Web、一部無料LiDARスキャンや従来のフォトグラメトリ、そして3DGSのすべてを1つのアプリで使い分けられる決定版ツールです。生成された3DGSデータは、OBJ、FBX、GLTF、USDZといったゲームやCAD用の汎用的な3D形式に簡単に出力して、他のソフトで活用できます。
KIRI Engine[cite: 29, 34]Android / iOS / Web、一部課金あり面倒な背景をAIが自動で綺麗に消去してくれる「3DGS Masking（背景クロッピング）」機能や、ガウス分布をポリゴンメッシュに変換（3DGS-to-Mesh）する機能を備えています。Blender用の無料プラグインも提供されています。
luma-web (Luma AI)[cite: 31]JavaScript (WebGL / Three.js)JavaScript開発者向けライブラリで、Luma AIで作成したフォトリアルなシーンをわずか数行のHTML/JSコードだけでWebブラウザ上に埋め込んでストリーミング再生、React Three Fiberなどの3Dライブラリと連携できます。
SuperSplat (PlayCanvas)[cite: 28, 29]Webブラウザベース、オープンソースインストール不要でブラウザからPLYファイルをアップロードするだけで、余計な遠景や映り込んでしまった不要なオブジェクト、浮遊ゴミ（ノイズ）を手軽に削り落とす（クロッピング・最適化）ことができます。カメラの飛行アニメーションを作り、MP4動画としてレンダリングする出力機能（フライスルーレンダリング）も実装されました。
SplatStroll Avatar (Studio Duckbill)[cite: 18]Webブラウザベース、無料3DGSデータをブラウザに読み込ませるだけで、AIが空間の地形や床の平坦さを瞬時に自動認識して「歩行可能なエリア」を判定します。アバターをコントローラーで操作して、空間の奥行きや高低差を身体感覚として自由に歩行体験できます。
Three.js r182 / Spark 2.0[cite: 18]Webライブラリ / 描画エンジンWebブラウザ上で動作する3D描画システムで、LoD（カメラの距離に応じた表示粒度の調整）機能や、何キロメートルにも及ぶワールドスケールの巨大な3DGSシーンを効率よくブラウザに読み込ませる最新のストリーミング機能を搭載しています。
Gaussian Splatting for Nuke[cite: 28]Windows / Mac、VFX向けOFXプラグイン映画やTVの特殊効果（VFX）制作に欠かせない高級合成ソフト「Nuke」内で、PLYデータを直接読み込んでリアルタイムでライティングや色調を調整し、実写映像と正確に位置合わせ・マージ、出現アニメーションなどを付加できます。
Spline[cite: 35, 36]3Dデザインツール最近のアップデートにより3DGSデータの直接読み込みに対応しました。アニメーション、ポストプロセスの適用（ブラーやカラーグレーディングなど）、USDZインポートをサポートし、インタラクティブなWebUI要素として3DGSシーンを手軽に構築できます。
XGRIDS (Lixel K2 / PortalCam)[cite: 12, 30]ハードウェア / ソフトウェア一体型ソリューション独自のSLAM技術と高精度LiDARセンサー、そして3DGS描画（LCCフォーマット、Lixel CyberColor技術など）をリアルタイムで同期して高精度の空間測定（点群処理ソフトウェア：LixelStudio 4.0）を行うプロ仕様の製品です。

6. 産業界を揺るがす最新応用事例：ホビー、建設、映像、そして自動運転まで

3DGSの登場によって、従来の2次元の写真や動画での伝達から、3次元のインタラクティブな体験へと、多くの産業分野において構造改革（デジタルトランスフォーレーション：DX）が進められています。

  • ホビーECにおける革新的な購買体験（壽屋×KDDI）： フィギュアやプラモデルの大手メーカーである壽屋（コトブキヤ）は、KDDIグループと連携し、ECサイト上において3DGSを試験導入しました。これまでの3Dポリゴンモデルではディテールが潰れてしまいがちだった、非常に細かな衣服の金型彫刻や複雑な髪の揺れ、そしてパーツの透明感や光沢を完全に再現しています [cite: 12, 38]。消費者は、まるで店頭で商品を目の前で回しながらじっくり眺めているかのようなリアルな買い物体験を、アプリなしでスマートフォンのブラウザだけで楽しむことができます [cite: 30, 38]。
  • 「生活空間の記憶」を永遠に固定するデジタルアーカイブ： 2025年9月、著名なクリエイターの織田氏の転居に伴い、長年コレクションと共に過ごした「生活の記憶」が詰まった自宅空間を3DGSで固定・保存するプロジェクトが実施されました。これは従来の平面的な記念写真と異なり、後から思い出の詰まった部屋の中を、当時の明るさや光の反射まで含めて「実際に歩き回る」ことを可能にする、空間そのものをタイムカプセルに収めるような、極めて情緒的で高精細な記録方法として評価されています [cite: 9, 39]。また、exAgent社などはヘリコプターを用いた空撮3DGSを駆使し、首里城の記録や歴史的価値のある文化財の保護プロジェクトを精力的に展開しています。
  • 建設・測量・インフラ管理（TREND-POINTの進化）： 建設業界において、現場の状況は日々刻々と変化します。従来の地上型レーザースキャナーを用いた測量（点群データ）は、寸法精度に優れるものの表示が重く「カクつく」ことが悩みの種でした。しかし3DGSを「既存技術を活かすための補完技術」として導入すれば、表示負荷が圧倒的に軽減され、大規模な点群データであっても拡大・縮小が軽快に機能するようになります [cite: 9, 37]。 福井コンピュータ株式会社が提供する3D点群処理システム「TREND-POINT」は、2026年6月16日、新オプションプログラム「3D Gaussian Splatting出力」および「入力」を同時にリリースしました [cite: 40]。これにより、計測精度は従来のLiDAR技術で確保しつつ、3DGSの持つ高い表現力を活かして施工進捗を3次元で見やすい形にして発注者と共有し、出来形管理や近隣への分かりやすい説明資料として強力に機能させる連携体制が完成しています [cite: 8, 37, 40]。ドローン測量のベンチマークにおいても、3DGSを導入することで学習時間を大幅に短縮でき、従来より80%以上短い時間で精細な地形データを可視化できるという驚異的なリードタイム削減効果が報告されています [cite: 16]。

社会を変える3DGSの多角的産業応用

  • 映画・VFX・バーチャルプロダクション（PFNの挑戦）： 映像制作において、CGの背景の中に実写の人物を合成して撮影する「インカメラVFX」と呼ばれる技術が注目を集めています。株式会社Preferred Networks（PFN）は、スーパーコンピュータを活用した大規模3DGS再構成技術を開発しました。一眼レフカメラで撮影した数百〜数千枚の高解像度写真をもとに3Dデータ化し、開発中のUnreal Engine 5（UE5）用プラグインを用いることで、なんと1,000万超のガウス粒子からなる広大なシーンを4K・30〜60fpsという圧倒的クオリティでリアルタイムにレンダリングし、撮影カメラの位置（カメラトラッキング）と連動させてリアルタイムに背景を書き換えることに成功しています。これにより、高価で時間のかかる3DCG背景制作の手間を大幅に削減し、コストカットと写実性を同時に担保するVFX革命をもたらしています。
  • 自動運転シミュレーションと自己位置推定： 自動運転車のAIを賢くするための学習環境としても、3DGSは大いに力を発揮しています。実走行した1回の走行ビデオをAIに読み込ませて3DGS化すれば、元の軌道からカメラ（視点）を少しずらして車線変更を試みたときの「新たなカメラ映像」を、瞬時にシミュレータ内で実写レベルの超リアルな映像として合成・再現することができます。これにより、実際の道路を走ることなく、よりリアルな環境での車両制御の強化学習が可能になります。

7. 未来へのロードマップとこれからの課題：動的シーンへの挑戦と標準規格化

3DGSは爆発的な進化を遂げていますが、研究者たちはすでに次の次元への突破口を開きつつあります。

静的な世界から「動く世界」への大転換（4DGSとSplineGS）

従来の3DGSが抱えていた最大のデメリット（弱点）は、写真をもとに構築する性質上、「撮影中に歩いている人や、風で激しく動く物体」を正確に再現することが難しく、形が崩れたり激しい残像（ノイズ）が発生してしまったりする点にありました。

この限界を打ち破るべく、時間軸（4次元）を導入した「4DGS」や、AIによって被写体の動き・質感・光の変化までをも立体動画（ボリュメトリックビデオ）として時間連続的に捉え、30fpsから240fpsという幅広いフレームレートに対応させる技術が登場しています。

さらに、学術界の最高峰カンファレンスであるICLR 2025やCVPR 2025において発表された「SplineGS」と呼ばれるCOLMAP不要の画期的なフレームワークでは、1本の単眼ビデオ（動画データ）から、時間変化に伴うガウス粒子の移動の軌跡（滑らかな3次元のスプライン軌道）を数学的に学習し、動的シーンを破綻なく超高精細に再構築することに成功しています。これにより、従来あった「動きのある箇所に不自然な浮遊物が残る」といった不自然なノイズが劇的に解消され、実世界をありのままに捉えるビデオグラフィの世界が大きく拓かれました。

業界の標準化（Khronos GroupによるglTF連携）

技術が個別のバラバラな規格のままであれば、広く一般に普及することはありません。3DGSの歴史において最も決定的なマイルストーンとなったのが、2025年8月に発表された「Khronos Group（クロノス・グループ：WebGLやOpenGLなどのWeb技術規格を主導する団体）」および「OGC（オープン・ギオスペーシャル・コンソーシアム）」による公式発表です。

これらの団体は、Web上で3Dモデルを扱う世界共通の標準フォーマットである「glTF」のエコシステムにおいて、3DGSを正式なデータ形式として採用・統合することを発表しました。このコンテナフォーマットの一部として、先述したNiantic社の「SPZ」といった高度な圧縮アルゴリズムも取り込まれました。これにより、異なるソフトやブラウザ間、あるいはメタバース空間やARグラスといった各種スマートデバイスにおいて、3DGSデータが「まるでWebにおけるJPEG画像のように」お互いにスムーズにやり取りできるようになる、まさに標準化（コモディティ化）への大改革が起こっています。

8. まとめ：空間コンピューティング時代の「JPEG」になる3DGS

3D Gaussian Splatting（3DGS）は、単なる新しいCGレンダリングの技術という枠をはるかに超え、私たちの住む現実空間をそっくりそのまま切り取って持ち運び、共有できるようにする、新時代の空間コンピューティングの基盤インフラです。

手元のスマートフォンでほんの数分動画を撮り、無料のツールに投げかけるだけで、そこにあった光の揺らぎや材質の温度感、空気の湿り気までもが、美しく滑らかな3D空間として瞬時にデジタル変換されます。

最初は研究室の驚くべき論文から始まったこの技術は、わずか数年の間にモバイル端末での劇的な高速化（FlashGS）や、街並み全体を瞬時にストリーミングする技術（Voyager）、そして編集の不自由さをセグメンテーション（ArtisanGS）によって自動解決する技術 へと目覚ましいスピードで実用化の階段を駆け上がりました。

これから先、ARグラスの普及やデジタルツインの構築、あるいはメタバースでの日々日常の記録において、3DGSは間違いなく主役に位置づけられます。皆様も、この全く新しい3Dグラフィックス技術を使って、ぜひ身近な空間を丸ごと一瞬で保存する、魔法のような3D体験の第一歩を踏み出してみてはいかがでしょうか。

参考資料

  1. 驚異の空間再現技術「3DGS」とは？空間を「小さな雲」で表現する, https://www.skygroup.jp/tech-blog/article/2364/
  2. ガウシアンスプラッティングの仕組み・特徴・実務への活用方法, https://agdcorp.com/slam/how-gaussian-splatting-works/
  3. 3D Gaussian Splattingとは？基本概念やNeRFとの違いを解説, https://ai-market.jp/technology/3d-gaussian-splatting/
  4. ガウシアンスプラッティング（3DGS）の特徴とフォトグラメトリとの違い, https://digitaltwin.active-rt.com/xgrids-column/gaussian-splatting
  5. 今こそ知りたい3D Gaussian Splatting ―― 基礎解説からUnityベースの企業向けオフラインソリューションまで, https://cgworld.jp/special-feature/2509-3d-gaussian-splatting.html
  6. 3DGS（3D Gaussian Splatting）とNeRF、点群データとの違い, https://const.fukuicompu.co.jp/constudy/article/1
  7. NeRF-GS：NeRFと3DGSの協調による革新的な3D表現技術, https://note.com/ainest/n/n0f536ff8cfa1
  8. 3D Gaussian Splattingを活用した事例, https://www.techfirm.co.jp/blog/3d-gaussian-splatting
  9. 織田邸の転居に伴う3D Gaussian Splatting化プロジェクト, https://prtimes.jp/main/html/rd/p/000000136.000023638.html
  10. 3DGSの具体的な作り方や作成手順, https://agdcorp.com/slam/how-to-make-3dgs/
  11. Luma AIやPolycamの特徴, https://vracademy.jp/development/about3dgs/
  12. 観光や小売における3DGSの多言語対応ガイド, https://www.utsubo.com/ja/blog/gaussian-splatting-guide
  13. SplatStroll Avatar：3DGSの仮想空間歩行アプリ, https://cgworld.jp/flashnews/01-202603-SplatStroll.html
  14. 4DGSボリュメトリックビデオ技術の衝撃, https://cgworld.jp/flashnews/02-2601-4dgs.html
  15. 今こそ知りたい3D Gaussian Splatting ―― 基礎解説からUnityベースの企業向けオフラインソリューションまで（exAgentセミナーレポート）, https://cgworld.jp/special-feature/2509-3d-gaussian-splatting.html
  16. Gaussian Splatting for Nuke, https://cgworld.jp/flashnews/Nuke-Gaussian-splatting.html
  17. GaussianGPT：自己回帰的3DGSシーン生成, https://cgworld.jp/flashnews/01-202604-GaussianGPT.html
  18. PFN、空間全体を高精細な3Dデータに再構成する技術, https://cgworld.jp/flashnews/01-202504-PFN-VP.html
  19. TREND-POINT 3DGS出力オプションリリース, https://prtimes.jp/main/html/rd/p/000000048.000048160.html
  20. 壽屋、3DGSによる製品表現の検証開始, https://prtimes.jp/main/html/rd/p/000000091.000104990.html
  21. アクティブリテック、自社開発viewer発表, https://prtimes.jp/main/html/rd/p/000000015.000093846.html
  22. PR TIMES 3DGS プレスリリース一覧, https://prtimes.jp/topics/keywords/3D%20Gaussian%20Splatting
  23. TREND-POINT Ver.12 新機能リリース, https://prtimes.jp/main/html/rd/p/000000042.000048160.html
  24. SoVeC、D2C IMG SRC STUDIOと共同でTOKYO PROTOTYPEに出展, https://prtimes.jp/main/html/rd/p/000000110.000045734.html
  25. 測量・建設業界における3DGSデータの可能性, https://simple-point.net/blogs/%E6%B8%AC%E9%87%8F%E3%83%BB%E5%BB%BA%E8%A8%AD%E6%A5%AD%E7%95%8C%E3%81%8C%E3%81%8A%E3%81%91%E3%82%8B3DGS%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E5%8F%AF%E8%83%BD%E6%80%A7
  26. 3DGSによるドローン測量のメリット, https://www.skysurvey-navi.com/supervising-corp/3d-gaussian-splatting.html
  27. 3DGSによる現場の「今」のデジタル化, https://www.quark-inc.com/post/3dgs%E3%81%A8%E3%81%AF%EF%BC%9F%E5%BB%BA%E8%A8%AD%E6%A5%AD%E7%95%8C%E3%81%8C%E3%81%8A%E3%81%91%E3%82%8B3d%E6%8A%80%E8%A1%93%E3%82%92%E3%82%8F%E3%81%8B%E3%82%8A%E3%82%84%E3%81%99%E3%81%8F%E8%A7%A3%E8%AA%AC
  28. 3DGS（3D Gaussian Splatting）とNeRF、点群データとの違い, https://const.fukuicompu.co.jp/constudy/article/1
  29. 類似技術との比較 3DGS・NeRF・フォトグラメトリ, https://www.alpha.co.jp/blog/202504_02/
  30. 建設分野における3DGS可視化, https://note.com/kenconai/n/naf40ec8efce1
  31. 3DGS撮影時のオーバーラップ率, https://note.com/izutsuya/n/n613a276b1057
  32. ガウシアンスプラッティングのデメリット, https://digitaltwin.active-rt.com/xgrids-column/gaussian-splatting
  33. 3DGSインフラ点検のデメリット, https://izutsuya.io/2025/10/15/3dgs-infrastructure-inspection/
  34. WebやVR向けに最適化された軽量化フォーマット, https://vracademy.jp/development/about3dgs/
  35. 3DGSの仕組み、特徴、パラメータ、活用事例, https://ai-market.jp/technology/3d-gaussian-splatting/
  36. 類似技術比較詳細, https://www.alpha.co.jp/blog/202504_02/
  37. 3DGSパラメータと最適化, https://agdcorp.com/slam/how-gaussian-splatting-works/
  38. 3DGSパラメータ詳細比較, https://cgworld.jp/special-feature/2509-3d-gaussian-splatting.html
  39. Luma AI WebGL Library, https://lumalabs.ai/luma-web-library
  40. Luma AI main, https://lumalabs.ai/
  41. Luma AI Interactive Scenes, https://lumalabs.ai/interactive-scenes
  42. Nzambi - Luma AI 3Dキャプチャ実験, https://nzambi.com/tp_detail.php?id=22
  43. 3DGS作成手順, https://www.alpha.co.jp/blog/202504_02/
  44. Classmethod - Google Colab 3DGS実験, https://dev.classmethod.jp/articles/3d-gaussian-splatting-on-colab/
  45. Polycam Tools, https://poly.cam/tools
  46. Polycam Object Capture, https://poly.cam/object-capture
  47. Polycam Login, https://poly.cam/login
  48. Polycam Cross-Platform 3D Capture, https://poly.cam/
  49. Polycam Explore, https://poly.cam/explore
  50. Kiri Engine 3DGS Features, https://www.kiriengine.app/features/3d-gaussian-splatting
  51. Jamesroha Medium - Student Guide to 3D Capture, https://medium.com/@Jamesroha/gaussian-splatting-a-complete-student-guide-to-3d-capture-in-2026-1195a6265870
  52. Nerfstudio Docs - splat method, https://docs.nerf.studio/nerfology/methods/splat.html
  53. INRIA 3DGS SIGGRAPH 2023 Paper, https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/
  54. 3DGS-DR - Specular Reflection rendering, https://gapszju.github.io/3DGS-DR/
  55. Github - graphdeco-inria gaussian-splatting, https://github.com/graphdeco-inria/gaussian-splatting
  56. Normal-GS NeurIPS 2024 Paper, https://proceedings.neurips.cc/paper_files/paper/2024/file/8bd4f1dbc7a70c6b80ce81b8b4fdc0b2-Paper-Conference.pdf
  57. Arxiv Paper List Gaussian Splatting, https://github.com/Lee-JaeWon/2025-Arxiv-Paper-List-Gaussian-Splatting
  58. Spline Design - 3D Gaussian Splatting Guide, https://docs.spline.design/designing-in-3-d/3d-gaussian-splatting
  59. Spline Design Updates, https://updates.spline.design/
  60. SplineGS CVPR 2025, https://cvpr.thecvf.com/virtual/2025/poster/33445
  61. SplineGS ICLR 2025 Paper, https://proceedings.iclr.cc/paper_files/paper/2025/file/6a39cf3b666f8bdb2223f253981f3869-Paper-Conference.pdf
  62. Medium - Why 2025 is the breakout year for Gaussian Splats, https://medium.com/@qsibmini123/gaussian-splats-are-becoming-the-jpeg-of-3d-why-2025-is-the-breakout-year-ac841ed39440

コメント

タイトルとURLをコピーしました