FACT-GS：基于频率对齐的复杂度感知 2D 高斯溅写纹理重参数化

高斯溅写（Gaussian Splatting）推动了真实场景外观建模的快速进展，使其能够实现实时、高质量的渲染。最近的研究引入了每个原始素材的纹理，包含每个高斯内部的空间色差，提高了其表达能力。然而，基于纹理的高斯溅写使用统一的每个高斯采样网格对外观进行参数化，无论当地视觉复杂度如何，都分配相等的采样密度，导致纹理空间利用效率低下。我们提出了 FACT-GS（Frequency-Aligned Complexity-aware Texture Gaussian Splatting），一个基于频率对齐的复杂度感知纹理高斯溅写框架，根据当地视觉频率分配纹理采样密度。基于自适应抽样理论，FACT-GS 将纹理参数化重新表述为可微的采样密度分配问题，用可学习的频率感知分配策略取代均匀纹理，该策略通过一个仿射场实现，其雅可比矩阵调制局部采样密度。在 2D 高斯溅写基础上，FACT-GS 对固定分辨率纹理网格执行非均匀采样，在相同的参数预算下，同时保持实时性能，恢复更锐利的高频细节。