RAP：快速无渲染式属性引导的 3D 高斯溅射属性重要性得分预测
计算机视觉与模式识别
2026-02-24 v1 图形学
摘要
3D 高斯溅射 (3DGS) 已成为高质量 3D 场景重建的领导技术。然而，迭代细化和稠密化过程会生成大量原始块，每个块对重建贡献差异显著。因此，估计原始块的重要性对于消除重建中的冗余、实现高效压缩和传输至关重要。现有方法通常依赖基于渲染的分析，通过多个相机视角评估每个原始块的贡献。然而，这些方法对视点数量和选择敏感，依赖专业的可微分光栅化器，且计算时间随视点数量线性增长，难以作为即插即用模块集成，限制了可扩展性和泛化性。为此，我们提出了 RAP，一种快速无渲染式属性引导的方法，用于 3DGS 中的重要性得分预测。RAP 直接从原始块的内在属性和局部邻域统计信息推断原始块的显著性，避免了基于渲染或可见性依赖的计算。一个紧凑的 MLP 使用渲染损失、修剪感知损失和显著性分布正则化预测每个原始块的重要性得分。经过训练后，RAP 能有效泛化到未见数据，并可无缝集成到重建、压缩和传输管道中。我们的代码已公开发布于 https://github.com/yyyykf/RAP。
引用
@article{arxiv.2602.19753,
title = {RAP: Fast Feedforward Rendering-Free Attribute-Guided Primitive Importance Score Prediction for Efficient 3D Gaussian Splatting Processing},
author = {Kaifa Yang and Qi Yang and Yiling Xu and Zhu Li},
journal= {arXiv preprint arXiv:2602.19753},
year = {2026}
}
备注
Accepted by CVPR 2026