高斯溅射的一种等级表示：面向外部内存的超大规模重建统一训练与渲染
图形学
2026-04-30 v4 机器学习
摘要
高斯溅射（Gaussian Splatting）已成为新视角合成的高性能技术，能够实现实时渲染和高质量的小场景重建。然而，扩展到更大环境的做法仍依赖将场景划分为多个块，这种策略会在块边界引入伪影， complicate 跨尺度训练，且不适用于无结构场景，如城市空中俯瞰与街道层视角的组合。此外，渲染仍受限于 GPU 内存，因为所有可见块必须同时驻留在 VRAM 中。我们提出一种等级表示（A LoD of Gaussers），用于在单块消费级 GPU 上训练和渲染超大规模高斯场景——无需划分。该方法将完整场景置于外部存储（如 CPU 内存）中，直接训练等级表示，动态仅流式传输相关高斯。一种结合高斯层次结构与顺序点树的混合数据结构，实现高效、视角相关的等级选择；轻量化的缓存和视图调度系统利用时间一致性支持实时流式传输和渲染。这些创新共同作用，使复杂场景从广阔的航拍视角到细致的街道层细节实现无缝的多尺度重建和交互式可视化。
引用
@article{arxiv.2507.01110,
title = {A LoD of Gaussians: Unified Training and Rendering for Ultra-Large Scale Reconstruction with External Memory},
author = {Felix Windisch and Thomas Köhler and Lukas Radl and Mattia D'Urso and Michael Steiner and Dieter Schmalstieg and Markus Steinberger},
journal= {arXiv preprint arXiv:2507.01110},
year = {2026}
}