跳到正文
arXiv · 机器人与计算机视觉· Qingyuan Tang (Shanghai Jiaotong University), He Zhu (Shanghai Jiaotong University), Shixuan Sun (Shanghai Jiaotong University), Anbang Wu (Shanghai Jiaotong University), Jingwen Leng (Shanghai Jiaotong University), Minyi Guo (Shanghai Jiaotong University), Yu Feng (Shanghai Jiaotong University)·· 12 小时前AI 评分58

CueSplat:面向边缘设备的动态高斯泼溅稀疏形变调度学习

CueSplat: Learning to Schedule Sparse Deformation for Dynamic Gaussian Splatting on Edge Devices

AI 导读

针对动态场景渲染中形变网络评估计算量大的问题,上海交通大学团队提出 CueSplat 后训练框架。该方法利用局部时序规律预测高斯属性,通过轻量级路由器在离线校准的预算内选择需精确更新的索引,并复用邻近帧的选择结果以降低开销;同时引入漂移信号调度全形变帧以控制误差。

来源:arXiv · 机器人与计算机视觉 · arxiv.org