分位渲染：高维特征在 3D 高斯溅写中的高效嵌入
计算机视觉与模式识别
2025-12-25 v1
摘要
计算机视觉的最新进展成功将 Open-vocabulary 分段（OVS）扩展到 3D 域，利用 3D 高斯溅写（3D-GS）。尽管如此，高效渲染用于开放词汇查询的高维特征仍是挑战。现有方法采用词典或特征压缩，导致信息损失，从而影响分段质量。为解决此限制，我们引入分位渲染（Q-Render），这是一种用于 3D 高斯的新型渲染策略，能够在保持高保真度的同时高效处理高维特征。不同于常规体渲染稀密采样每条光线与之相交的所有 3D 高斯，Q-Render 仅稀疏采样关键影响沿光线的高斯。通过将 Q-Render 集成到通用可学习 3D 神经网络中，我们还提出了高斯溅写网络（GS-Net），该网络以通用方式预测高斯特征。在 ScanNet 和 LeRF 上的大量实验表明，本框架在性能上优于最先进的方法，同时实现了约 43.7 倍的 512 维特征图加速。代码将公开发布。
引用
@article{arxiv.2512.20927,
title = {Quantile Rendering: Efficiently Embedding High-dimensional Feature on 3D Gaussian Splatting},
author = {Yoonwoo Jeong and Cheng Sun and Frank Wang and Minsu Cho and Jaesung Choe},
journal= {arXiv preprint arXiv:2512.20927},
year = {2025}
}
备注
Will be updated