arXiv · 机器人与计算机视觉· Radu Beche, Raoul de Charette·· 29 天前精选AI 评分83
KoalaGS:基于复杂度感知的连续层级细节高斯泼溅方法
KoalaGS: Complexity-Aware Continuous Level of Detail for Gaussian Splatting
AI 导读
该论文提出 KoalaGS 方法,利用输入视图计算的图像复杂度先验来指导高斯泼溅训练中的点云重定位与降级策略。研究发现在低算力预算下,简单区域的高斯数量过多会拖累渲染质量,该方法通过偏置重定向至重建较差区域并平滑过渡层级细节,在三个数据集上实现了更优的渐进式流送效果与结构保持能力。
推荐理由
该方法利用图像复杂度先验优化高斯泼溅的层级细节,在降低算力预算时保持场景结构并提升低容量下的渲染质量。
来源:arXiv · 机器人与计算机视觉 · arxiv.org