LODGE：支持高效渲染的细节层次大规模高斯泼溅
计算机视觉与模式识别
2025-10-31 v2
摘要
在本工作中，我们提出了一种用于 3D Gaussian Splatting 的新型细节层次(LOD)方法，使得在内存受限的设备上能够对大规模场景进行实时渲染。我们的方法引入了分层 LOD 表示，根据相机距离迭代地选择最优的高斯子集，从而大幅减少了渲染时间和 GPU 内存使用。我们通过应用深度感知的 3D 平滑滤波器来构建每个 LOD 层级，随后进行基于重要性的剪枝和微调以保持视觉保真度。为了进一步降低内存开销，我们将场景划分为空间块，并在渲染期间仅动态加载相关的高斯分布，采用不透明度混合机制以避免块边界处的视觉伪影。我们的方法在室外(Hierarchical 3DGS)和室内(Zip-NeRF)数据集上均实现了 SOTA 性能，以更低的延迟和内存需求提供高质量渲染。
引用
@article{arxiv.2505.23158,
title = {LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering},
author = {Jonas Kulhanek and Marie-Julie Rakotosaona and Fabian Manhardt and Christina Tsalicoglou and Michael Niemeyer and Torsten Sattler and Songyou Peng and Federico Tombari},
journal= {arXiv preprint arXiv:2505.23158},
year = {2025}
}
备注
NeurIPS 2025; Web: https://lodge-gs.github.io/