Opt3DGS：通过自适应探索与曲率感知利用优化三维高斯泼溅
计算机视觉与模式识别
2025-11-18 v1
摘要
三维高斯泼溅（3DGS）已成为新视角合成的主流框架，但其核心优化挑战仍未得到充分探索。我们识别出 3DGS 优化中的两个关键问题：陷入次优局部最优解和收敛质量不足。为解决这些问题，我们提出了 Opt3DGS，这是一个通过自适应探索和曲率引导利用的两阶段优化过程来增强 3DGS 的稳健框架。在探索阶段，一种自适应加权随机梯度朗之万动力学（SGLD）方法增强了全局搜索以逃离局部最优。在利用阶段，一种局部拟牛顿方向引导的 Adam 优化器利用曲率信息实现精确高效的收敛。在多种基准数据集上的大量实验表明，Opt3DGS 通过改进 3DGS 的优化过程，在不修改其底层表示的情况下，实现了最先进的渲染质量。
引用
@article{arxiv.2511.13571,
title = {Opt3DGS: Optimizing 3D Gaussian Splatting with Adaptive Exploration and Curvature-Aware Exploitation},
author = {Ziyang Huang and Jiagang Chen and Jin Liu and Shunping Ji},
journal= {arXiv preprint arXiv:2511.13571},
year = {2025}
}
备注
Accepted at AAAI 2026 as a Conference Paper