DiffSoup：三角形汤的直接可微光栅化，用于极端辐射场简化
图形学
2026-03-31 v1 计算机视觉与模式识别
摘要
辐射场重建旨在从多视图 RGB 图像中恢复高质量的 3D 表示。近期进展，如 3D 高斯溅射，使其能够在足够强大的图形硬件上实现高视觉保真度的实时渲染。然而，高效的在线传输和跨平台渲染需要大幅度的模型简化，将原始素材的数量降低几个数量级。我们引入 DiffSoup，一种辐射场表示方法，采用高度非结构化的三角形汤（即由少量三角形组成的集合），配合神经纹理和二值不透明度。我们表明，这种二值不透明度表示通过随机不透明度掩码实现直接可微，从而无需 mollifier（即光滑光栅化）即可实现稳定训练。DiffSoup 可使用标准深度测试进行光栅化，实现无缝集成到传统图形管道中，并在消费级笔记本和移动设备上实现交互式渲染。代码地址为 https://github.com/kenji-tojo/diffsoup。
引用
@article{arxiv.2603.27151,
title = {DiffSoup: Direct Differentiable Rasterization of Triangle Soup for Extreme Radiance Field Simplification},
author = {Kenji Tojo and Bernd Bickel and Nobuyuki Umetani},
journal= {arXiv preprint arXiv:2603.27151},
year = {2026}
}