Perceptual-GS: 面向高斯溅射的场景自适应感知稠密化
计算机视觉与模式识别
2025-06-23 v2
摘要
3D高斯溅射（3DGS）已成为新视角合成的强大技术。然而，现有方法难以根据场景特征自适应地优化高斯基元的分布，使得在重建质量与效率之间取得平衡具有挑战性。受人类感知的启发，我们提出了面向高斯溅射的场景自适应感知稠密化（Perceptual-GS），这是一个将感知灵敏度集成到3DGS训练过程中的新框架。我们首先引入一种感知感知表示，在约束高斯基元数量的同时建模人类视觉灵敏度。在此基础上，我们开发了感知灵敏度自适应分布，将更精细的高斯粒度分配到视觉关键区域，从而提升重建质量与鲁棒性。在包括BungeeNeRF在内的多个数据集上的广泛评估表明，Perceptual-GS在重建质量、效率和鲁棒性方面达到了最先进的性能。代码公开获取于：https://github.com/eezkni/Perceptual-GS
引用
@article{arxiv.2506.12400,
title = {Perceptual-GS: Scene-adaptive Perceptual Densification for Gaussian Splatting},
author = {Hongbi Zhou and Zhangkai Ni},
journal= {arXiv preprint arXiv:2506.12400},
year = {2025}
}
备注
Accepted to International Conference on Machine Learning (ICML) 2025