Mini-Splatting：以受限高斯数量表示场景
计算机视觉与模式识别
2024-10-17 v3
摘要
在本研究中，我们探讨了在受限高斯数量下高效表示场景的挑战。我们的分析从传统图形学和二维计算机视觉转向了点云的视角，揭示了高斯表示的空间分布低效是模型性能的一个关键限制。为解决此问题，我们引入了包括模糊分裂与深度重初始化在内的致密化策略，以及通过交集保留与采样的简化策略。这些技术重新组织了高斯点的空间位置，从而在渲染质量、资源消耗和存储压缩方面，在多个数据集和基准测试上取得了显著改进。我们的 Mini-Splatting 方法与原始光栅化管线无缝集成，为未来基于高斯泼溅的研究工作提供了一个强大的基线。\href{https://github.com/fatPeter/mini-splatting}{代码已开源}。
引用
@article{arxiv.2403.14166,
title = {Mini-Splatting: Representing Scenes with a Constrained Number of Gaussians},
author = {Guangchi Fang and Bing Wang},
journal= {arXiv preprint arXiv:2403.14166},
year = {2024}
}