3D 高斯点编码器
计算机视觉与模式识别
2025-11-10 v1
摘要
在本工作中，我们介绍了 3D 高斯点编码器，这是一种基于学习的 3D 高斯混合构建的显式 per-point 嵌入。这一为 3D 识别任务提供的显式几何表示是与广泛使用的隐式表示（如 PointNet）的不同。然而，在标准优化器下学习 3D 高斯编码器进行端到端训练很困难。我们基于自然梯度和从 PointNet 蒸馏的优化技术，找到能够重建 PointNet 激活值的高斯基。 resulting 的 3D 高斯点编码器比传统 PointNet 更快且更具参数效率。在 3D 重建文献中，人们越来越关注从隐式（如 NeRF）到显式（如 Gaussian Splatting）表示的转变，我们可以利用计算几何启发式方法进一步加速 3D 高斯点编码器。我们将 3D 高斯 Splatting 中的过滤技术扩展到构建编码器，使其以与相当精度的 PointNet 速度的 2.7 倍运行，同时使用 46% 更少的内存和 88% 更少的 FLOPs。此外，我们展示了 3D 高斯点编码器作为 Mamba3D 组件的有效性，运行速度提高 1.27 倍，内存和 FLOPs 分别减少 42% 和 54%。3D 高斯点编码器 lightweight enough 能够在仅使用 CPU 的设备上实现高帧率。
引用
@article{arxiv.2511.04797,
title = {3D Gaussian Point Encoders},
author = {Jim James and Ben Wilson and Simon Lucey and James Hays},
journal= {arXiv preprint arXiv:2511.04797},
year = {2025}
}
备注
10 pages, 3 figures, 3 tables