AIR：面向自监督前馈 2D 高斯溅写的 Amortized Image Reconstruction 框架
计算机视觉与模式识别
2026-05-21 v1
摘要
2D 高斯溅提供了一种高效的显式图像重建表示，但现有方法仍需要昂贵的 per-image 迭代优化，或依赖手工先验进行原始素材分配。我们提出 AIR，一个自监督前馈框架，将迭代高斯拟合 amortizes 到单个网络 passes 中，从而消除 per-image test-time 优化。AIR 采用阶段性残差架构，逐步预测额外的高斯原始素材，同时配合显式的 Stage Control 机制，在重建不足的区域激活新原始素材。采用 Predict--Optimize--Distill 训练策略，通过将短视角优化的高斯增量蒸馏到预测器中来稳定多阶段预测。稳定后的预测器随后在各阶段联合微调，并配备用于紧凑高斯存储的 image-adaptive quantizer。在 Kodak 和 DIV2K 上的实验表明，AIR 在保持更好重建质量的同时，将编码时间缩短至 160--300 毫秒。代码：https://github.com/whoiszzj/AIR.git
引用
@article{arxiv.2605.20820,
title = {AIR: Amortized Image Reconstruction Framework for Self-Supervised Feed-Forward 2D Gaussian Splatting},
author = {Zhaojie Zeng and Yuesong Wang and Yawei Luo and Tao Guan},
journal= {arXiv preprint arXiv:2605.20820},
year = {2026}
}
备注
preprint version