AdpSplit：面向 3D Gaussian Splatting 中更快几何发现误差驱动的自适应分裂
计算机视觉与模式识别
2026-05-11 v1
摘要
3D Gaussian Splatting (3DGS) 中的自适应密度控制通过固定基数的随机分裂反复增加高斯数量，以发现有用的场景结构。然而，在原始 3DGS 中，其二分裂算子需要多轮致密化才能暴露精细细节，使其成为具有较少迭代次数的高效训练调度的瓶颈。我们引入 AdpSplit，一种误差驱动的自适应分裂算子，它根据 L1 像素误差区域统计量确定分裂子项的数量并初始化子项参数，从而减少致密化迭代次数，进而缩短训练时间，同时保持完整调度训练的渲染质量。在 MipNeRF360、Deep-Blending 和 Tanks&Temples 数据集上，AdpSplit 作为标准分裂算子的简单直接替代品，将多种加速 3DGS 流水线的训练时间减少了 9.2%-22.3%。结合 FastGS，AdpSplit 在 MipNeRF360 上匹配了完整调度的 PSNR，同时将训练时间减少了 16.4%，相当于比原始 3DGS 加速了 12.6 倍。
引用
@article{arxiv.2605.06876,
title = {AdpSplit: Error-Driven Adaptive Splitting for Faster Geometry Discovery in 3D Gaussian Splatting},
author = {Yongjae Lee and Jingxing Li and Abhay Kumar Yadav and Rama Chellappa and Deliang Fan},
journal= {arXiv preprint arXiv:2605.06876},
year = {2026}
}