MaskGaussian：基于概率掩码的自适应三维高斯表示
计算机视觉与模式识别
2025-06-17 v3
摘要
虽然三维高斯溶射（3DGS）在新视角合成和实时渲染中展现出卓越的性能，但由于采用数百万个高斯导致的高内存消耗限制了其实际应用。为缓解此问题，已通过手工设计准则或使用学习掩码来修剪不必要的高斯。然而，这些方法基于修剪时刻的快照，确定性地移除高斯，导致从长期视角看重构性能次优。为此，我们引入MaskGaussian，将高斯建模为概率实体而非永久性移除，并根据其存在概率使用它们。为实现此目标，我们提出了一种掩码光栅化技术，使尚未使用的但具有概率存在的高斯能够接收梯度，从而动态评估其对演化场景的贡献并调整其存在概率。因此，高斯的重要性随时间迭代变化，被修剪的高斯被多样化地选择。广泛的实验表明，所提方法在使用更少的高斯数的情况下实现了更好的渲染质量，平均修剪超过60%的高斯，仅出现0.02的PSNR下降。我们的代码可在 https://github.com/kaikai23/MaskGaussian 查阅。
引用
@article{arxiv.2412.20522,
title = {MaskGaussian: Adaptive 3D Gaussian Representation from Probabilistic Masks},
author = {Yifei Liu and Zhihang Zhong and Yifan Zhan and Sheng Xu and Xiao Sun},
journal= {arXiv preprint arXiv:2412.20522},
year = {2025}
}
备注
CVPR 2025; Project page:https://maskgaussian.github.io/