DropoutGS：为更佳稀疏视图渲染而丢弃高斯
计算机视觉与模式识别
2025-04-15 v1
摘要
虽然 3D 高斯溶解（3DGS）在新视角合成方面已展现出鼎舞效果，但在稀疏输入下性能会显著下降并产生不可取的伪影。随着训练视角数量的减少，新视角合成任务退化为高度欠确定问题，使得现有方法受到著名的过拟合问题的困扰。有趣的是，我们观察到在稀疏输入下，模型中高斯原始片数的较少模型表现出较少的过拟合。基于此观察，我们提出了随机丢弃正则化（RDR）以利用低复杂度模型的优势来缓解过拟合。此外，为弥补这些模型在高频细节上的不足，开发了边缘引导的分裂策略（ESS）。通过这两种技术，我们的方法（称为 DropoutGS）为改进现有 3DGS 方法的泛化性能提供了一个简洁而有效的即插即用方法。大量实验表明，在 Blender、LLFF 和 DTU 等基准数据集上的稀疏视图下，DropoutGS 产出的性能均为该领域的SOTA。项目页面地址：https://xuyx55.github.io/DropoutGS/。
引用
@article{arxiv.2504.09491,
title = {DropoutGS: Dropping Out Gaussians for Better Sparse-view Rendering},
author = {Yexing Xu and Longguang Wang and Minglin Chen and Sheng Ao and Li Li and Yulan Guo},
journal= {arXiv preprint arXiv:2504.09491},
year = {2025}
}
备注
Accepted by CVPR 2025