混合潜在表示：几何-外观感知的高斯散点投射

我们引入一种用于从多视图图像重建2D高斯场景模型的混合高斯-哈希-网格辐射表示。与NeST散点投射类似，我们的方法减少了NeRF-based模型中几何与外观常规耦合的程度，但在哈希网格特征之外添加了每个高斯潜在特征，以偏向优化器将低频和高频场景组件分离。这种显式频率分解减少了高频纹理补偿几何误差的倾向。进一步地，采用硬度不透明度衰减的高斯，进一步加强了几何与外观之间的分离，提高了几何重建和渲染效率。最后，结合概率修剪和稀疏引导的BCE不透明度损失，允许冗余高斯被关闭，从而产生一组足以表示场景的最小高斯集合。在使用合成数据和真实世界数据集时，我们与基于高斯的新视角合成方法的最新进展进行比较，证明了以数量级更少的原语实现更高的重建保真度。