SplatPainter：通过测试时训练从二维编辑交互式创作三维高斯
计算机视觉与模式识别
2025-12-08 v1 图形学
摘要
3D Gaussian Splatting的兴起彻底改变了真实感3D资产生成，然而在其交互式细化和编辑方面仍存在关键空白。基于扩散或优化的现有方法不适合此任务，因为它们通常速度极慢、破坏原始资产的身份，或缺乏精细控制所需的精度。为了解决这一问题，我们引入了\ourmethod，这是一种状态感知的前馈模型，能够根据用户提供的2D视图对3D Gaussian资产进行连续编辑。我们的方法直接预测对紧凑且特征丰富的Gaussian表示的属性更新，并利用测试时训练创建状态感知的迭代工作流。我们方法的通用性使得单一架构能够执行多种任务，包括高保真局部细节细化、局部重绘和一致的全局重新着色，所有这些均以交互速度运行，为流畅且直观的3D内容创作铺平了道路。
引用
@article{arxiv.2512.05354,
title = {SplatPainter: Interactive Authoring of 3D Gaussians from 2D Edits via Test-Time Training},
author = {Yang Zheng and Hao Tan and Kai Zhang and Peng Wang and Leonidas Guibas and Gordon Wetzstein and Wang Yifan},
journal= {arXiv preprint arXiv:2512.05354},
year = {2025}
}
备注
project page https://y-zheng18.github.io/SplatPainter/