跳到正文
arXiv · 机器人与计算机视觉· Kyungjune Baek·· 2026-10-20精选AI 评分78

无需学习目标:经典梯度作为 2D 高斯初始化的监督

Do We Need Learned Targets? Classical Gradients as Supervision for 2D Gaussian Initialization

AI 导读

针对基于学习的图像高斯初始化成本高的问题,本文调查是否可用经典图像梯度替代 Instant GaussianImage 中的伪 PPM 目标。框架包含两条路径:免训练解析初始化结合概率提升与网格采样,平均 0.32 秒生成参数;神经网络初始化在 DIV2K 上利用在线 Sobel 监督训练,无需离线优化即可扩展至万图规模。

推荐理由

提出用经典梯度替代昂贵的图像优化监督,提供免训练解析初始化与在线监督神经网络方案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org