基于Levenberg-Marquardt的3DGS-LM：加速高斯溅射优化

我们提出了 3DGS-LM 方法，通过替换其 ADAM 优化器为量身定制的 Levenberg-Marquardt（LM）算法来加速 3D 高斯溅射（3DGS）的重建。现有方法通过减少高斯数量或改进可微光栅器实现来减少 3DGS 优化时间，但仍依赖用于拟合场景高斯参数的 ADAM 优化器，最多可耗时一小时。为此，我们将优化器替换为 LM 算法，并与 3DGS 可微光栅器联合运行。为实现高效 GPU 并行化，我们提出了一种中间梯度缓存数据结构，允许我们在自定义 CUDA 内核中高效计算 Jacobian-向量乘积。在每个 LM 迭代中，我们使用这些内核从多个图像子集计算更新方向，并对其进行加权平均。总体而言，我们的方法比原始 3DGS 快 20%，同时获得相同的重建质量。我们的优化对其他加速 3DGS 的方法不敏感，从而实现了比 vanilla 3DGS 更快的加速。