MuSASplat：通过轻量级多尺度适配实现高效稀疏视角三维高斯泼溅
计算机视觉与模式识别
2025-12-09 v1
摘要
稀疏视角三维高斯泼溅旨在从有限的输入图像集合中渲染高质量的三维场景新视角。尽管近期利用预训练三维先验的无姿态前馈方法取得了令人瞩目的结果，但其中大多数依赖于对大型视觉Transformer（ViT）骨干网络的全部微调，并带来大量的GPU开销。在本工作中，我们引入了MuSASplat，一个新颖的框架，能够大幅降低训练无姿态前馈三维高斯泼溅模型的计算负担，同时在渲染质量上仅有轻微折损。我们方法的核心是一个轻量级多尺度适配器，它仅使用少量训练参数即可实现对基于ViT架构的高效微调。这一设计避免了先前全模型适配技术相关的不可承受的GPU开销，同时在极稀疏的输入视角下仍保持了新视角合成的高保真度。此外，我们引入了一个特征融合聚合器，能够有效且高效地跨输入视角整合特征。与广泛采用的记忆库不同，特征融合聚合器确保了跨输入视角的一致几何整合，同时显著降低了内存使用、训练复杂度和计算开销。在多个数据集上的广泛实验表明，MuSASplat在渲染质量上达到了最先进的水平，但与现有方法相比具有显著减少的参数和训练资源需求。
引用
@article{arxiv.2512.07165,
title = {MuSASplat: Efficient Sparse-View 3D Gaussian Splats via Lightweight Multi-Scale Adaptation},
author = {Muyu Xu and Fangneng Zhan and Xiaoqin Zhang and Ling Shao and Shijian Lu},
journal= {arXiv preprint arXiv:2512.07165},
year = {2025}
}