GS-DMSR：面向加速高质量 3D 高斯泼溅的动态敏感多尺度流形增强
计算机视觉与模式识别
2026-01-12 v1 人工智能
摘要
在三维动态场景重建领域，如何平衡模型收敛速度与渲染质量，尤其是在对具有复杂动态运动的场景进行高精度建模时，一直是一个亟待解决的关键挑战。为解决这一问题，本研究提出了 GS-DMSR 方法。该机制通过定量分析高斯属性的动态演化过程，实现了自适应梯度聚焦，使其能够动态识别高斯模型运动状态的显著差异，并对具有不同显著程度的高斯模型应用差异化的优化策略，从而显著提高了模型收敛速度。此外，本研究集成了一个多尺度流形增强模块，该模块利用隐式非线性解码器和显式变形场的协同优化，提高了对复杂变形场景的建模效率。实验结果表明，该方法在合成数据集上实现了高达 96 FPS 的帧率，同时有效降低了存储开销和训练时间。我们的代码和数据可在 https://anonymous.4open.science/r/GS-DMSR-2212 获取。
引用
@article{arxiv.2601.05584,
title = {GS-DMSR: Dynamic Sensitive Multi-scale Manifold Enhancement for Accelerated High-Quality 3D Gaussian Splatting},
author = {Nengbo Lu and Minghua Pan and Shaohua Sun and Yizhou Liang},
journal= {arXiv preprint arXiv:2601.05584},
year = {2026}
}