ガウシアン・スプラッティングを “ちゃんと理解する” ための入門編

こんにちは、STUDIO55技術統括の入江です。

「3D Gaussian Splatting（ガウシアン・スプラッティング）」は、映像制作、建築、ゲーム、メタバース、ロボティクスなど、幅広い分野で注目を集めており、実務での応用も加速しています。

3D技術はネクストステージに突入し、3Dモデルは誰もが扱える時代 が訪れつつあります。

とはいえ、ガウスについては「聞いたことはあるけど、よく分からない」という場合も少なくありません。

そこで今回は、そんな ガウシアン・スプラッティングを “ちゃんと理解する” ための入門編 として、その仕組みや特徴、何が革新的なのかを分かりやすく整理していきます。

🧐そもそも「ガウシアンスプラッティング」ってなに？

『3D Gaussian Splatting（ガウシアン・スプラッティング）』は、2023年のシーグラフ で発表された技術です。

ガウス は従来のメッシュベースの3D生成よりも 軽量で計算効率が高く、リアルな立体表現を高速に得られる のが特徴です。
まるで写真に見えるビジュアルが、じつは現実をスキャンしたデータだと分かった時の衝撃はありませんでした。

従来の 3D スキャン技術は、研究用途の印象が強く、専門家以外には手を出しにくい分野でした。しかし 3D Gaussian Splatting は、手持ちのスマートフォンや既存の写真・動画からでも、短時間で高精度な 3D モデルを生成できるため、3D スキャンを手軽に扱える身近な技術へと変えました。

⚡従来技術と何が違う？3DGSの革新的表現力

ガウス（GS）は AI 同様の “先進技術” として注目され、名称だけが独り歩きしてしまう傾向があります。
そのため、従来の NeRF（ナーフ）との違いが分からないまま、「とにかく、スゴイ」とだけ理解している場合もあることでしょう（笑）。

いうまでもなく、実務で活用する際には、これらの特性を理解し、適切に説明できることが重要 です。

先ず、3DGS の特徴として知っておくべきことは、その 優れた表現力 です。

🖼️ “次世代リアル表現” 特徴一覧

3DGS の優れた表現上の特徴を一覧でまとめます。

特徴 .1 : 動かした瞬間に分かる「光の反応」が違う

― 視点を変えると、反射や色味が自然に変わる
👉 これまでのスキャンデータでは起きなかった挙動

特徴 .2 : ガラスや葉が「破綻しない」

― 透ける・にじむ・奥が見える
👉 「透明に見せよう」としていないのに、透明に見える

特徴 .3 : エッジが硬くならない

― ポリゴンっぽさが消える
👉 「モデル」ではなく「空間」を見ている感覚

特徴 .4 : テクスチャが存在しないのに、質感がある

― UVも解像度も気にしなくていい
👉 “貼っている”感じが消える

特徴 .5 : 照明があるように見える

― 逆光・回り込み・室内の空気感
👉 光を計算していないのに、光を感じる

特徴 .6 :「完璧ではない」のに、なぜか本物に見える

― 実写由来の偶然性が残る
👉 従来CGが捨ててきた要素が、リアルさを支えている

このような明らかな見た目の違いによって、注目を集める存在となっています。

🗣「ガウシアンスプラッティング」の呼び方について

「3D Gaussian Splatting」 は、文脈や扱う人によって、さまざまな呼び方 が見られます。

呼び慣れていない方は、「ガウシアン・スプラッティング」 ときっちり正式名称で呼びがちですが、すでに親しんだ方は、長い名称を避けて略称で呼ぶこともあります。

正式名称は 3D Gaussian Splatting（スリーディー・ガウシアン・スプラッティング） で、略称は 「3DGS」 です。

ビジュアル制作や 3Dスキャンに慣れた方の間では、さらに短く 「ガウス・スプラット」 や 「ガウス」 と呼ぶこともあり、単に「GS」 とも表記されます。

初めて触れる方は正式名称で理解し、慣れてきたら略称を使うと、会話や文章の流れもスムーズになります。

ビジュアル制作でお馴染みの「ガウス」

ビジュアル制作に携わる方の場合、すでに呼び慣れた「ガウス」という略称の方が、しっくりくるところもあります。

そもそも ガウス という呼称は、ビジュアル制作で扱うソフトの ぼかしや拡散・ノイズなどの視覚的効果 で広く使われてきたため、制作者にとっては親しみのある名前です。
そのため、逆に「これって正式にはガウシアンって言うんだ〜」と思った方も多いことでしょう（笑）。

一例として、制作現場でよく使われる "ガウス" 名称の機能を挙げると、以下のようなものがあります。

これらの機能も、英語の正式名称は「ガウシアン」ですが、実際には誰もそう呼ぶことはありません（笑）。多くの制作者は扱うソフトを日本語表記で使用するため、自然に 「ガウス」 と呼んでいます。

そのため、3DGS の場合も 「ガウス・スプラット」 と略して呼ぶことが多い理由です。

「ガウシアン」の名前の由来

そもそも、「ガウシアン（ガウス）」という呼び名は、ドイツの数学者・天文学者・物理学者で「数学の王子」とも呼ばれた カール・フリードリッヒ・ガウス（Carl Friedrich Gauss, 1777–1855） に由来します。

そのため Gaussian（ガウシアン） は文字通り「ガウスの」という意味で、もともとは ガウスに関連する概念や計算を指す名称 です。

フリードリッヒ・ガウス は 統計学 や 画像処理、信号処理 などで用いられる 「ガウス分布（正規分布）」 や 「ガウス関数」 の元となった数学者であり、画像処理の Gaussian Blur（ガウスぼかし） のように、ガウス関数を応用した計算や処理の技術にその名が使われています。

ですので、注意したいのは 「ガウシアン・スプラッティング」 もあくまで 技術名称 であり、サービスや商品そのものの名前ではない ということです。

一般向けには、「次世代の高速スキャン」「新しい3D再構築技術」「瞬時に立体データを作る技術」などと表現したほうが分かりやすく、会話もスムーズになる場合もあります。

🤔これまでの技術の違いを理解する

「3DGSの革新的表現力」で見た目の違いを整理しました。ここからは、技術の差に着目して理解を深めていきます。

3DGS を「点群」や「フォトグラメトリ」と比較するケースが見られます。

3DGS は、ラディアンスフィールドに基づくニューラルレンダリング系の技術展開です。
そのため、計測を目的とした点群処理とは、設計思想と最終目的が根本的に異なります。

• 点群／フォトグラメトリ：形状を正確に測ることが目的 → 計測系

• ニューラルレンダリング（NeRF・3DGS）：見た目を再現することが目的 → 表現系

この前提を共有しないまま比較すると、議論が噛み合わず、話が前に進まなくなることがあります。

⚔️フォトグラメトリ と 3DGS 比較

中でも、同じ「写真から生成するプロセス」という印象から、「フォトグラメトリ」と混同してしまうケースが多く見受けられます。

写真測量（フォトグラメトリ）は、画像から点群を作りメッシュ化する計測系の技術です。
一方、3DGS は、ニューラルネットワークで点群上のガウス分布を最適化し、軽量かつ高速に写真的見た目を再現する表現系の技術です。

つまり、
フォトグラメトリは「測るための3D」
3DGSは「見せるための3D」

「フォトグラメトリの方がキレイに見えるから、そっちが良いのではないか…」──こうした意見を耳にすることがあります。

しかし、フォトグラメトリと3DGSは、そもそもまったく異なる用途の技術です。
この前提を押さえておかなければ、どちらが適切かを判断することは難しいでしょう。

確かにフォトグラメトリは再現性の高い技術ですが、それだけで選択することはできません。実際の現場では、「使用目的」や、さまざまな「コスト」を含めて判断する必要があります。

以下に、その判断基準となる項目を挙げます。

1. 見た目の第一印象

3DGS は、初見では非常に滑らかで綺麗に見えます。
フォトグラメトリ は、エッジがシャープで、実物感の強い印象を与えます。

「一目での見栄え」は 3DGS
「観察するとわかる実在感」は フォトグラメトリ

2. 寸法精度

3DGS は形状の「概形」を把握するには十分ですが、精密な寸法用途には向いていません。
フォトグラメトリ は寸法精度が高く、測量や建築用途に適しています。

Q. 高精度が必要か？
Q. 正確な計測・記録・寸法確認が必要か？
──この問いによる選択が前提となります。

3. 初期入力の違い

3DGS は、動画、もしくは比較的少数の画像からでも生成が可能です。
一方、フォトグラメトリ では、数十枚から場合によっては数百枚に及ぶ高品質な静止画が必要になります。

4. 撮影難易度

3DGS は比較的ラフな撮影でも成立します。多少の露出差やブレがあっても、結果として「それらしく見える」データが生成されます。
一方 フォトグラメトリ は、露出、被写界深度、均一なライティングなどが精度に直結するため、撮影難易度は明らかに高めです。

5. 撮影時間

3DGS は、数分程度の短時間で撮影が完了することが多く、手軽にデータを取得できます。準備や撮影環境の調整もそれほど厳密でなく済むため、効率重視の用途に向いています。
フォトグラメトリ は撮影に時間がかかります。対象を十分な枚数の静止画像で撮影する必要があり、準備・照明・アングル調整なども含めると、数十分から数時間を要することが珍しくありません。そのため、時間や手間をかけられる場合に適した方法です。

6. 生成スピード

3DGSは生成スピードが非常に速く、早ければ数分、重いケースでも十数分程度で結果が得られます。
フォトグラメトリは、特徴点抽出・メッシュ化・テクスチャ生成と工程が多く、数時間から十数時間かかることも珍しくありません。

7. データ容量

3DGS は最終データが比較的軽量で、生成後の扱いもシンプルです。
フォトグラメトリ は、元写真データに加え、高解像度テクスチャや高密度メッシュを含むため、データ容量はどうしても大きくなります。

8. リアルタイム描写の可否

3DGS は軽量なガウス点群とスプラッティングによる構造のため、高速に描画でき、リアルタイムでの回転・ズーム・視点変更が可能です。WebやVR/ARなどプレゼンや体験用途で扱いやすい特徴があります。
フォトグラメトリ は高密度メッシュと高解像度テクスチャを用いるため、データ容量が大きく、そのままではリアルタイム描写に向きません。軽量化やリトポロジーなどの前処理が必要で、PCスペックも高くないとスムーズな操作は難しいものとなります。

9. 対象の大きさ・範囲

3DGS は、小さな模型から建物や広い敷地まで、比較的自由に対応できます。生成スピードが速く、データも軽量なため、大規模な対象でも扱える点が特徴です。
一方、フォトグラメトリ は、小〜中規模の対象に適します。広大な対象を撮影する場合は、撮影枚数や処理時間が膨大になり、現実的に制約が生じます。

10. 後処理・データ加工の方向性（重要）

• 3DGS

  • クロップ（不要部分の切り出し）が比較的容易

  • 別の建築物やオブジェクトを配置しやすい

  • UEやUnityなどリアルタイムエンジンとの相性が良い

  • 加工・用途別変換を前提としたデータ設計

• フォトグラメトリ

  • 基本は「記録データ」

  • 加工にはリトポロジーやクリーンアップが必須

  • 重く、そのままリアルタイム用途に使うのは難しい

加工前提なら3DGS
保存・記録前提ならフォトグラメトリ
──という性格の違いがあります。

11. 使用用途

3DGS は高速かつ軽量で、リアルタイム表示との相性が良く、その意味で、プレゼン用途に向いています。短時間で生成でき、WebやVR/ARなど「その場で見せる」用途で扱いやすいのが特徴です。
一方、フォトグラメトリ は実物を忠実に記録できるため、アーカイブや記録用途に適しています。データが重く、準備や取り回しの負担が大きいため、プレゼン用途では扱いづらい場面もあります。

見せるなら3DGS
残すならフォトグラメトリ
──この使い分けが最もわかりやすい整理です。

12. 予算・コスト

3DGS は、撮影も生成も手軽でデータも軽量なため、比較的低コストで運用できます。短時間で成果物が得られることから、人件費や機材費も抑えやすく、予算を優先する場合に向いています。
フォトグラメトリ は、撮影準備や枚数の多い撮影、処理時間の長さ、データ管理の手間などから、どうしてもコストが高くなりがちです。精密で高品質な記録を残すための方法であるため、予算に余裕がある場合に適しています。

「スピードとコスト重視なら3DGS」
「精度と品質（記録性）重視ならフォトグラメトリ」
──この判断基準は、実務において非常に合理的な選択基準となります。

＊

以上、フォトグラメトリと3DGSを判断する際に押さえておくべきポイントを整理しました。
両者は目的と設計思想が異なる技術であり、用途に応じた明確な使い分けが重要です。

🔄NeRFから3DGSへ：次世代3D生成の進化を理解する

ガウシアンスプラッティングを理解するうえで比較すべきは、同じニューラルレンダリング系の技術「NeRF」です。

その前提となる「ニューラルレンダリング」という言葉自体が分かりにくいため、ここで簡単に整理しておきます。

💡「ニューラルレンダリング」とは

「ニューラルレンダリング」というのは、「描画に NN を使っているか？」を唯一の共通条件にした 技術の総称 です。

「NN（ニューラルネットワーク）」とは、人間の神経細胞（ニューロン）を模した計算モデルで、従来の CGレンダリングのように 数式で厳密に決め打ちしたものではなく、データから関係性を "学習" する関数 の事を指します。ある意味、AI的な計算装置と考えると分かりやすいかも知れません。

この考え方を「ラディアンスフィールド」という設計思想として具体化した代表的な技術が NeRF です。

💡「NeRF（ナーフ）」とは

2019 年に登場した 新たな表現技術「NeRF（Neural Radiance Fields）」は、複数枚の写真から「その場の見え方そのもの」をニューラルネットワーク（NN）で学習し、任意視点からの映像を生成できる という点で、3D表現に大きな転換点をもたらしました。

2023年には、アメリカのマクドナルドが世界で初めて NeRF を用いた TV コマーシャルを放送し、大きな話題となりました。

ここで重要なのは、NeRFは最初から
「ポリゴンモデルを作る」
「テクスチャを貼る」
という従来の CG工程を目指していなかった点です。

NeRF はあくまで、
空間内のあらゆる位置における「色」と「密度」を関数として学習する
──いわば「空間を丸ごと記憶する」アプローチでした。

その結果、写真的に非常にリアルな表現が可能になった一方で、

• 学習に時間がかかる

• リアルタイム表示が難しい

• メッシュやテクスチャとして扱えない

といった、制作現場で扱うには重たい技術 でもありました。

🌐NeRF→3DGS の流れを理解する

NeRF の課題を一言で言えば、
「描画のたびに計算しすぎる」ことです。

画面の 1ピクセルを描くために、カメラから空間をサンプリングし、
ニューラルネットワーク（NN）で何度も評価を行う――
この構造が、リアルタイム性の壁 になっていました。

そこで研究者たちは発想を転換します。

この問いが、3D Gaussian Splatting（3DGS）へとつながります。

NeRF
→ 「空間を関数として保持し、描画時に計算する」

3DGS
→ 「空間を “すでに描画可能な要素の集合” として持つ」

このおかげで、

• GPUによる高速描画が可能

• リアルタイム表示が現実的

• ビューワーやゲームエンジンとの相性が良い

といった利点が一気に開きました。

それを理解した上で、「NeRF とは何か」、「NeRF から何が進化したのか」について、ガウスとの比較を把握していきましょう。

⚔️ガウシアン と NeRF（ナーフ）比較

1. 圧倒的な高速性とレンダリング効率

GS の最大の進化は、レンダリング速度の飛躍的向上 です。複雑な 3D シーンでは、NeRF が 1 フレームに約 10 秒かかるのに対し、GS は 100～180fps という高速描画が可能です。

この高速性は、NeRF のようにニューラルネットで放射輝度を逐次ちくじ推定するのではなく、最適化された 3D ガウシアンを画像平面に投影し、アルファブレンドするだけ の 軽量なレンダリング手法 によって実現されています。
現代の GPU はこれらの CG 操作を効率的に処理できるため、インタラクティブな編集や視点変更もリアルタイムで行えます。

2. 明示的な表現による編集の実現

GS は、NeRF が抱える「ブラックボックス」的な性質を解消し、シーンを直接操作可能 にしました。

NeRF が暗黙的な表現を持つのに対し、GS ではシーンを「ガウシアン」と呼ばれる楕円体スプラット（Splats）の集まり として表現します。この明示的な構造により、シーン内の要素を個別に編集したり、アニメーションやライト効果を調整することが容易です。

3. 古典的CG と機械学習の融合

GS は古典的なコンピューターグラフィックス（CG）の手法を活用することで、ニューラルネットワーク に依存せずとも 高品質なフォトリアリズム を実現します。

• 球面調和関数（Spherical Harmonics）を用いた視点依存効果や照明表現

• 光沢や反射を含む表面の色変化の自然な再現

これにより、既存の CG 制作フローにも組み込みやすく、リアルな 3D 表現を効率的に生成できます。

4. 配備（デプロイメント）と汎用性の向上

GS の構造はシンプルで高速かつ高品質なため、3D アセットの活用範囲が大きく広がります。
従来 NeRF では困難だった モバイルデバイス、ブラウザ、ゲームエンジン 上でのレンダリングも可能になり、インタラクティブな編集やプレビューも容易です。

また、GS はメモリ消費量が少なく、生成データの保存や配布も容易なため、既存のコンピューティング環境で手軽に利用 できます。さらに、フォトグラメトリ や マルチビュー画像との親和性も高く、既存データの活用やハイブリッド生成も可能です。

5. 将来的な応用と拡張性

GS はリアルタイムレンダリングや明示的な編集が可能なため、ゲーム、VFX、AR/VR など幅広い分野での応用が期待されます。

また、NeRF や 3D ディフュージョン生成と組み合わせたハイブリッド手法にも対応可能で、研究・実務の両面で 柔軟に拡張できる技術 です。

🧩3DGS生成を支えるプロセス設計と規模の考え方

ここまで読んでいただければ、「フォトグラメトリ」と「NeRF」との 3DGS の違いについては、ある程度把握できたのではないでしょうか。

そこで、次に押さえておきたいのが、3DGSの生成プロセスです。

生成プロセスを理解していないと、3DGS をフォトグラメトリと同一の技術として捉えてしまったり、必要な作業や制約を十分に把握しないまま、その導入を過度に簡単なものとして説明してしまう可能性があります。

そうした中途半端な理解を避けるためにも、ここでは 3D Gaussian Splatting（GS）がどのような手順で生成されるのか を、できるだけ簡潔に整理しておきます。

GSの初期化プロセスは、従来のフォトグラメトリで使用される手法 から始まります。

① 入力画像のキャプチャ

まず、実際のシーンを複数の視点から撮影した入力画像がキャプチャされます。これはフォトグラメトリーを行うのと同じ要領です。

② Structure from Motion (SfM) の利用

次に、Structure from Motion（SfM）技術を使用してカメラの再構築が行われます。これは、すべての画像から共通の構造を見つけ出し、写真が撮影された相対的な3D位置を特定するプロセスです。

👉SfM のツールは、どれを使用しても構いません。
（例：COLMAP、RealityCapture、Agisoft MetaShape、Bentley ContextCapture など）

③ 疎なポイントクラウド (sparse) の生成

この SfM プロセスにより、カメラ姿勢の推定とあわせて、特徴点に基づく疎な 3D ポイントクラウド（sparse reconstruction）が生成されます。

👉 疎なポイントクラウド は、特に密度の高いものである必要はなく、画像のアライメントまたはポージングの後に得られるもので十分機能します。

④ GSの初期化

このSfMポイントクラウド内の各点に中心を合わせて、3Dガウシアンスプラットが初期化されます。

つまり、3DGSは「いきなり学習が始まる」わけではなく、まず SfMによってカメラが正しく整列（アライメント）されたうえで、その結果を初期条件としてGSが生成・最適化されていく、というプロセスを取っています。

要するに、ポイントクラウドが最適化の「土台」として機能し、その上に初期の 3Dガウシアンが配置されることになります。その後、反復的な最適化（勾配降下法に似たトレーニングループ）を通じて、これらのガウシアンのパラメータ（位置、サイズ、向きなど）が調整され、キャプチャされた元の画像と一致するように洗練されていきます。

このプロセスをあらかじめ頭に描いておくことで、3DGS生成が単に「簡単にできる」と言い切れるものではなく、対象規模の大小や複雑さによって難易度が大きく変わる技術であることが理解できます。

特に SfM（Structure from Motion）によるアライメント工程では、撮影範囲の規模やカット数が処理精度と作業負荷に大きく影響することは想像に難くありません。
また、透明な素材（ガラス・水）、反射性の高い素材（金属）、複雑な形状、動きのある被写体は、データ取得および処理の難易度が高く、結果として作業工数も増加します。

そのため、プロジェクトの規模や目的に応じて、以下のようなパッケージが考案されます。

A. スモールパッケージ：簡易3DGSコンテンツ

• 対象：小物、単一の部屋、小規模な展示ブース

• 特徴：スマートフォンや簡易カメラによる手軽な撮影、基本的なトレーニングとノイズ除去を実施。Webビューアーでの閲覧を想定。

B. 標準パッケージ：中規模3DGSコンテンツ

• 対象：住宅一軒、店舗、小規模施設、公園の一部、車両など

• 特徴：プロ用カメラやドローンを用いた撮影、高精度トレーニング、リライト（照明・質感調整）を実施。UnityやWebアプリケーションへの実装を想定。

C. エンタープライズパッケージ：大規模・高精度3DGSソリューション

• 対象：工場、プラント、広範囲の街並み、文化財全体、大規模インフラ構造物

• 特徴：空撮（ヘリコプター・ドローン）と高精度レーザースキャナー（XGRIDS等）の併用、ミリ単位の精度保証、専用システム開発や高度なインタラクション設計を想定。

生成プロセスを理解し、あらかじめ規模設計を想定しておくことで、従来の点群スキャンとの違いが明確になります。その結果、関係者とのコミュニケーションやプレゼンテーションにおいても、3DGSの利点を納得感のある形で説明できるようになります。

🎬参考比較動画～キャプチャ技術の比較～

お伝えした、フォトグラメトリ、Neural Radiance Fields（NeRF）、そして 3DGS の対比を示す具体的な動画があります。

リアルな風景やオブジェクトの再構成がどう変わるか、視覚的な違いがとても分かりやすいものとして、ご紹介しておきます。

この3DGSのデータセットは、モバイルカメラで撮影した写真118枚を使用して生成されたものです（動画の説明による）。

また、lumaプラットフォーム上で生成された3DGSを直接確認することもできます。下の画像をクリックすると、実際のモデルをご覧いただけます。

⚠️ガウスの課題点

3D Gaussian Splatting（3DGS）には多くの利点がある一方で、現時点ではいくつかの課題も存在します。
これらの課題をあらかじめ理解し、実施に際して関係者間の共通認識として共有しておくことも重要です。

以下に、事前に把握しておくべき主なポイントを一覧として整理します。

1. データ依存性

• 高精度な3Dモデル生成には、質の高い写真 や点群データが必要

• 光の条件、被写体の動き、撮影角度などで精度が大きく左右される

2. 動的・時間変化への対応

• 基本的に静的なシーンに強い

• 人物や車など動きのあるオブジェクトのスキャンには追加処理や補正が必要

3. 大規模空間での処理負荷

• 都市全体や広大な景観を対象にすると、データ量やメモリ消費が増大

• ハードウェア性能に依存する部分がある

4. 編集・後処理の難しさ

• 点群やスプラッティング表現は直接編集がしにくい

• テクスチャやマテリアルの修正・追加には特化したツールが必要

5. 技術の理解・運用コスト

• 専門知識が必要な部分がまだ残っており、本格的な現場導入にはある程度の学習が必要

• 誰でも完全に使いこなせるわけではない

6. フローターノイズ（Floaters）

• 点群やスプラッティングをもとに 3Dボリュームを生成する際、データの密度や角度不足によって「もやっとしたり」「穴が空いたように見える」白いノイズ表現

• 空間中に本来存在しない半透明の点や雲状のガウスが浮遊して見える現象

• 特に細かい構造や薄いオブジェクトでは、精細さが失われやすい

• 光やテクスチャ計算で誤差が蓄積されると、レンダリング結果に不自然な厚みやブロック感が生じる

フローターノイズ発生原因（典型）

• SfM のアライメント誤差

• 視差情報が不足している領域

• 反射・透明素材による誤学習

• 背景と前景の分離失敗

＊

単にメリットだけでなく、このような「仕様としての特性」もあらかじめ理解し、関係者間で共有しておくことで、誤った期待や認識によるトラブルを未然に防ぐことができます。
その結果、ビジネスにおいても、より高い信頼性につながります。

📥拡張子について

さて、じっさいにガウスデータを扱う際にぶつかるのが、データ拡張子 です。

「ガウスの拡張子ってなんでしたっけ？」と聞かれることもたびたびですので、以下にまとめます。

📂 PLY

ガウススプラッティング の保存データフォーマットは、現在 「PLY」 が標準的 に用いられています。

とはいえ、扱うソフトのインポート拡張子に「PLY」があっても、喜ぶのはまだ早いです（笑）。

一般に、PLY（Polygon File Format／Stanford Polygon Format） は、3Dスキャナーで取得した三次元データを格納するためのファイル形式です。CG・点群系のソフトウェア（Blender、Maya、Rhino 3D、MeshLab、Autodesk ReCap など）では、以前からインポート機能として広くサポートされてきました。

ガウシアン スプラッティングで使用される「PLY」は、従来の点群やメッシュ用「PLY」と同じ表記の拡張子を持ちながらも、内容は異なる拡張フォーマットです。各点に対してガウスのサイズ・向き・色・アルファなどの追加情報を含むため、従来の「PLY」では正しく読み込むことができません。

そのため、安易に「読み込める」と判断するには注意が必要となります。あくまで、ガウススプラッティング用の「PLY」を読み込むワークフロー が必須となります。

ガウス用の PLY は、点群やポリゴンメッシュを格納でき、ASCII / バイナリ形式 です。そのため、Blender、MeshLab、CloudCompare 等、多くのツールで扱える仕様となります。

📂.splat、.ksplat

PLY に対し、点群を単純に「ガウススプラット (Gaussian Splat)」として　スプラット描画向けに変換レンダリング するための形式に、「.splat」拡張子があります。
ガウススプラット点群を扱い、法線や面などの情報のないデータになるので、高速レンダリング向けで軽量化 の特徴のあるものです。
それをさらに 軽量／高速化されたバイナリ形式 の拡張子が「.ksplat」です。

これらは、Web ビューア用途向けのデータ となり、ゲーム・建築エンジンでのシーン管理なら SPZ、という使い分けが現実的です。
SPLAT 系はほぼバイナリで、CGソフトに直接は読み込めません。

📂 SPZ

新たな拡張子「SPZ」は、これまでのガウスデータ用「PLY」を大幅に圧縮した軽量版として、標準化が期待される形式として登場しました。

SPZ フォーマットは、Niantic（ナイアンティック）が自社のスキャンアプリ「Scaniverse」などで使用していた拡張子です。
もともとは社内利用の形式でしたが、GitHub でオープンソースとして公開された、新しいファイルフォーマット となります。

Niantic（ナイアンティック）は、世界的に人気の位置情報ゲーム『Pokémon GO』で知られる米国のテクノロジー企業でもあります。

SPZ は、先進的な拡張子として標準化への期待がありますが、これを反映できるビューアーはこれまで見当たりませんでした。
以前の記事で紹介した WorldLabs「Marble + Spark」では、Three.js ベースのオープンソースレンダラー「Spark」を使って SPZ フォーマットを表示する方法を解説しています。

そして、ついに 2026 年 2 月 2 日にリリースされた「SuperSplat v2.19.0」で、待望の SPZ 形式のインポート対応（Import support for SPZ）が搭載されました。

SuperSplat は比較的短期間で頻繁にバージョンアップし、バグ修正や機能追加、SPZ 対応、ビデオ出力など小刻みな改善が反映されることで知られています。2月7日現在、すでに v2.20.1 まで到達しています。

📂 SOG

ここで、上記リリース内容にある SOG について補足します。

「SOG（Scene Object Graph）」は、SuperSplat / PlayCanvas チームが独自に定義した形式で、SuperSplat Editor / Viewer 専用のデータです。
ここでは SPZ から必要な情報だけを抽出・簡略化し、圧倒的に軽量で扱いやすい形式に変換します。

高精細レンダリングや正確なデータ保存が必要な場合は SPZ を使用し、SOG はプレビュー・編集用に使うイメージです。

整理すると：

• SOG = 編集・表示用の軽量シーン

• SPZ = 実際の高精細 3D データ保存

注意点：

• SOG は一般的な 3D アプリケーション（Blender や Maya など）で直接読み込むことはできません。

• 表示・編集用であり、SPZ の精細情報をすべて保持しているわけではありません。

• SuperSplat から SOG を SPZ に書き出す機能は提供されていません。

• SPZ を SuperSplat に読み込むと、自動的に .sog に変換されます。

下の画像をクリックすると、SPZ が反映された SuperSplat 2.19.0 をお試しいただけます。
シーンマネージャーに表示されたデータ拡張子が .sog になっている点にも注目してください。

💡ポイント（まとめ）

1. PLY
   ・元データ形式で汎用的、柔軟性が高い
   ・大規模データではファイルサイズが大きく、読み込みや描画に時間がかかる

2. .splat
   ・PLY を点群スプラッティング向けに変換
   ・点群の中心でレンダリング最適化されている

3. .ksplat
   ・.splat をさらに軽量化・バイナリ化
   ・高速レンダリング向け、Web や 3DGS に最適

4. SPZ
   ・独自の圧縮・最適化形式
   ・軽量で高速描画、クラウド配信やブラウザ操作に向く
   ・.ksplat と似た用途だが、より圧縮率・ストリーミング性能が高い

🖥️ PLYファイルの閲覧方法

データ拡張子について分かったところで、この PLYを反映するビューアーの問題に誰もが行き当たります。

「作ってみたけれど、何で再生したらいいの？」

基本的には、Mac や Win では標準アプリとしてダブルクリックで開く仕様となっていますが、生成の構成内容によっては開かないこともあります。

📝～推奨方法 一覧～

• macOS : Finder（最も簡単・OS標準で手軽に閲覧）

• Windows : 3D Viewer（OS標準・手軽に確認）

• 全OS : CloudCompare（高機能・無料・精密解析や計測も可能）

• 全OS : MeshLab（無料・編集・簡易加工や点群操作可能）

• Webブラウザ : SuperSplat（インストール不要・高品質表示）

• Webブラウザ : ONLINE 3D VIEWER（インストール不要・簡易確認向け）

• Webブラウザ : p3d.in（インストール不要・回転・ズーム表示可能）

• プロ用途 : postshot（ダウンロード必須・高精度表示・検証向け）

• プロ用途 : Blender（編集・加工・レンダリング可能・無料）

• プロ用途 : Unity（ゲームエンジン上で確認・実装テスト可能）

• プロ用途 : Unreal Engine（ゲーム・リアルタイム確認・高精度表示可能）

• プロ用途 : Houdini（高度な処理・レンダリング・解析向け・有料）

• 開発・自動化向け : Python + pyntcloud / open3d（スクリプト処理・解析・可視化向け・無料）

※自分の環境や用途に合った方法を選んでPLYファイルを確認してください。

📎 補足: 過去記事リンク集

これまで紹介したガウス関連のリンクをまとめました。
技術的背景に加え、Unreal Engine、Unity、After Effects、Blender など、多岐にわたる応用事例も掲載しています。
さらに詳しく知りたい場合は、ぜひ参考にしてください。