基于扩散模型和主动视角采样的数据高效高斯溅写 tiles 生成框架

3D 高斯溅写技术的出现彻底改变了光照一致的神经渲染能力，使其能够高效合成复杂环境。虽然近期将程序化方法（如 Wang Tiles）集成以 facilitate 生成广阔的景观，但这些系统通常受限于依赖密集采样的 exemplar 重建。我们提出 DAV-GSWT（Diffusion-Active-View Sampling for Data-Efficient Gaussian Splatting Wang Tiles），一个数据高效框架，利用扩散先验和主动视角采样，从最小输入观察中合成高保真高斯溅写 Wang Tiles。通过将层次化不确定性量化机制与生成式扩散模型集成，本方法自主识别最具信息量的视角，同时通过幻想缺失的结构细节确保无缝瓷片衔接。实验结果表明，我们的系统在大幅度减少所需数据 volume 的同时，保持了大规模虚拟环境所必需的视觉完整性和交互式性能。