基于随机射线追踪的 3D 高斯溅写法重建
计算机视觉与模式识别
2026-03-27 v2
摘要
基于射线追踪的 3D 高斯溅写法（3DGS）方法克服了光栅化的局限性——刚性针孔相机假设、不准确的阴影以及缺乏本征反射或折射，但由于对每条射线上所有相交高斯点的排序成本仍显得较慢。此外，现有的射线追踪方法仍依赖于光栅化风格的近似，如阴影映射用于可置换场景，削弱了射线追踪所承诺的通用性。我们提出一种无排序的随机射线追踪 3DGS 的可微分 formulation——首个使用随机射线追踪同时重建和渲染标准及可置换 3DGS 场景的框架。其核心是一种无偏蒙特卡洛估计器，用于像素颜色梯度计算，仅对每条射线的少量抽样高斯点进行评估，无需排序。对于标准 3DGS，我们的方法在重建质量和速度上与光栅化-based 3DGS 相当，但显著优于基于排序的射线追踪。对于可置换 3DGS，相同的随机估计器驱动每个高斯点的Shading，实现完全射线追踪阴影射线，显著优于先前工作在重建保真度方面的表现。
引用
@article{arxiv.2603.23637,
title = {Stochastic Ray Tracing for the Reconstruction of 3D Gaussian Splatting},
author = {Peiyu Xu and Xin Sun and Krishna Mullia and Raymond Fei and Iliyan Georgiev and Shuang Zhao},
journal= {arXiv preprint arXiv:2603.23637},
year = {2026}
}
备注
Project Page: https://xupaya.github.io/stoch3DGS/