ASAP-Textured Gaussians：基于自适应抽样与各向异性参数化的增强文本化高斯
计算机视觉与模式识别
2025-12-17 v1
摘要
近期的进展为 3D 高斯溶解引入了纹理参数化，以捕获空间变化的属性，提升了外观建模和下游任务的性能。然而，新增的纹理参数会带来显著的内存效率挑战。本文并未提出新的纹理公式，而是回顾现有文本化高斯方法的特征，识别出两种关键局限性：(1) 纹理通常定义在标准坐标系中，导致在低贡献区域进行无效抽样，浪费纹理资源；(2) 纹理参数化在所有高斯上均匀分配，忽视其视觉复杂度差异，导致过度参数化。为此，我们通过两项简单却有效的策略予以解决：基于高斯密度分布的自适应抽样，以及基于渲染误差的误差驱动式各向异性参数化，按误差分配纹理资源。我们提出的 ASAP Textured Gaussians（Adaptive Sampling and Anisotropic Parameterization 的自适应抽样与各向异性参数化），显著改善了质量与效率的权衡，实现了高保真渲染，所需纹理参数大幅减少。
引用
@article{arxiv.2512.14039,
title = {ASAP-Textured Gaussians: Enhancing Textured Gaussians with Adaptive Sampling and Anisotropic Parameterization},
author = {Meng Wei and Cheng Zhang and Jianmin Zheng and Hamid Rezatofighi and Jianfei Cai},
journal= {arXiv preprint arXiv:2512.14039},
year = {2025}
}