3D 高斯溶解的人类主观感知优化

尽管 3D 高斯溶解 (3DGS) 方法的最终输出是供人类观看的，但它们往往依赖于 ad-hoc 像素级损失的组合，导致渲染结果模糊。为此，我们系统地探索了 3DGS 的感知优化策略，通过在多样化的失真损失集合中进行搜索。我们进行了规模巨大的人类主观研究，涉及 39,320 条成对评级，覆盖多个数据集和 3DGS 框架。我们称之为 WD-R 的正则化 Wasserstein 失真版本成为明显的获胜者，能够在不增加溶解点数量的前提下恢复细节纹理。WD-R 相对于原始 3DGS 损失被偏好者偏好超过 $2.3\times$，相对于当前最佳方法 Perceptual-GS 偏好约 $1.5\times$。WD-R 也始终在各种数据集上实现 state-of-the-art LPIPS、DISTS 和 FID 分数，并在最新框架（如 Mip-Splatting 和 Scaffold-GS）中普遍适用，通过将原始损失替换为 WD-R，能够在类似资源预算（Mip-Splatting 的溶解点数量，Scaffold-GS 的模型大小）下持续提升感知质量，并导致重建结果被人类评审者分别偏好 $1.8\times$ 和 $3.6\times$。我们还发现这一特性也适用于 3DGS 场景压缩任务，实现约 50% 的比特率在相当的感知指标性能下节省。