GaussianPile：基于切片体积重建的统一稀疏高斯溅射框架
计算机视觉与模式识别
2026-03-24 v1
摘要
切片基体体积成像广泛应用于各类场景，需构建能够在压缩的同时保留内部结构以进行分析的表示方法。我们引入GaussianPile，通过将3D高斯溅射与面向成像系统的聚焦模型统一，来解决此挑战。我们的方法引入了三个关键创新：(i) 切片感知的堆叠策略，用于建模穿越切片的贡献；(ii) 编码有限厚度点扩散函数的可微分投影算子；(iii) 紧凑的编码与联合优化流程，同时重构和压缩高斯集合。我们的CUDA实现保留了高斯原始素的压缩与实时渲染效率，同时保持高频内部体积细节。在显微镜和超声数据集上的实验表明，我们的方法降低了存储和重建成本，维持诊断保真度，实现快速二维可视化及三维体素化。实际应用中，我们在仅需3分钟内即可获得高质量结果，速度较基于NeRF的方法快达11倍，实现体素网格的稳定16倍压缩，为可部署的压缩和切片体积数据集的探索提供了实用路径。
引用
@article{arxiv.2603.20611,
title = {GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction},
author = {Di Kong and Yikai Wang and Wenjie Guo and Yifan Bu and Boya Zhang and Yuexin Duan and Xiawei Yue and Wenbiao Du and Yiman Zhong and Yuwen Chen and Cheng Ma},
journal= {arXiv preprint arXiv:2603.20611},
year = {2026}
}
备注
Accepted by IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)