FluSplat：稀疏视图 3D 编辑无需测试时优化
计算机视觉与模式识别
2026-04-23 v1
摘要
近期在文本引导图像编辑和3D 高斯溅射(3DGS)方面的进展，使人类能够实现高质量的3D 场景操作。然而，现有管道依赖于测试时迭代的编辑-适配优化，在2D 扩散编辑和3D 重构之间交替进行。这一过程计算昂贵、场景特定，且容易产生跨视图不一致。我们提出一个面向稀疏视图的跨视图一致3D 场景编辑的前馈框架。不通过迭代3D 细化实现一致性，我们在图像域中引入跨视图正则化方案。通过对多视图编辑进行几何对齐约束的联合监督，该模型在推理时无需针对每个场景进行优化，即可产生视图一致的结果。编辑后的视图随后通过前馈3DGS模型提升为3D，生成单个前向传递中的连贯3DGS 表示。实验表明，该方法在编辑保真度方面具有竞争力，显著优于基于优化的方法在跨视图一致性方面，同时将推理时间缩短了数量级。
引用
@article{arxiv.2604.20038,
title = {FluSplat: Sparse-View 3D Editing without Test-Time Optimization},
author = {Haitao Huang and Shin-Fang Chng and Huangying Zhan and Qingan Yan and Yi Xu},
journal= {arXiv preprint arXiv:2604.20038},
year = {2026}
}