PairDropGS：稀疏视图高斯溅射的成对 Dropout 诱导一致性正则化
计算机视觉与模式识别
2026-05-14 v2
摘要
基于 Dropout 的稀疏视图 3D 高斯溅射（3DGS）方法通过随机抑制 Gaussian 原始数据来缓解过拟合。现有方法主要关注设计日益复杂的 Dropout 策略，而忽视了不同被丢弃 Gaussian 子集之间产生的不一致性。这一忽视常导致重建不稳定和次优的 Gaussian 表示学习。本文从一致性正则化视角重新审视基于 Dropout 的稀疏视图 3DGS，提出 PairDropGS—a 成对 Dropout 诱导一致性正则化框架，用于稀疏视图高斯溅射。具体而言，PairDropGS 首先从共享的 Gaussian 场构建一对被丢弃的 Gaussian 子集，并设计低频一致性正则化以约束其低频渲染结构。此设计鼓励共享的 Gaussian 场在不同随机丢弃下保持稳定的场景布局和粗糙几何结构，同时避免对模糊的高频细节施加过度约束。此外，我们引入渐进式一致性调度策略，以逐步加强一致性正则化，提高重建的稳定性和鲁棒性。广泛的稀疏视图基准实验表明，PairDropGS 在训练稳定性方面表现优异，显著优于现有的基于 Dropout 的 3DGS 方法在重建质量方面，同时展现出简洁且即插即用的特性，能够提升基于 Dropout 的优化效果。
引用
@article{arxiv.2605.12072,
title = {PairDropGS: Paired Dropout-Induced Consistency Regularization for Sparse-View Gaussian Splatting},
author = {Hantang Li and Qiang Zhu and Xiandong Meng and Xingtao Wang and Debin Zhao and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2605.12072},
year = {2026}
}
备注
11 pages,8 figures