基于 Z 序变换器的前馈高斯溅射
计算机视觉与模式识别
2026-05-14 v1
摘要
近期 3D 高斯溅射（3DGS）的进展显著推动了新视角合成的照片写实性。然而，传统 3DGS 依赖缓慢的迭代优化过程，限制了其在需要实时结果的场景中的应用。为克服这一瓶颈，近期的前馈方法旨在直接从图像预测高斯属性，但往往难以处理高斯原始值的冗余问题和渲染质量。本文引入一种专为前馈高斯溅射设计的变换器架构。我们的关键洞察是，通过稀疏注意力机制可以有效捕获高斯之间的空间和语义关系，这由一种 Z 序策略实现，将非结构化的高斯集合组织成具有空间一致性的序列。此外，我们将该 Z 序策略纳入以适应性抑制冗余，同时保留关键结构细节。这使得变换器能够在单次前向传递中高效地建模上下文、压缩高斯原始值并预测高斯属性。全面实验表明，我们的方法实现了快速高质量的新视角合成，所需的高斯原始值更少。
引用
@article{arxiv.2605.13465,
title = {Z-Order Transformer for Feed-Forward Gaussian Splatting},
author = {Can Wang and Lei Liu and Wei Jiang and Dong Xu},
journal= {arXiv preprint arXiv:2605.13465},
year = {2026}
}
备注
Accept by CVPR 2026, Oral