三维重建Pixel-GS: 基于高斯扩散的像素级感知梯度密度控制（舍去浮点运算以提高计算精度）

项目：https://pixelgs.github.io/
标题：Pixel-GS: 基于像素感知梯度的密度调控方法在三维高斯泼溅技术中的应用
来源：香港大学；腾讯AI Lab

文章结构概述

• 摘要

  • 一、前言

  • 二、相关研究

  • • 1. 新视角合成技术
    • 2. 基于点云的辐射场方法
    • 3. 对浮点误差的优化处理

  • 三、技术方案

  • • 3.1 GS的密度自适应调节机制
    • 3.2 像素感知梯度计算方法
    • 3.3 梯度场缩放策略

  • 四、实验结果

`提示：关注B站【方矩实验室

摘要

三维高斯溅射（3DGS）在增强实时渲染效率的同时，展现出卓越的新视角合成能力。然而，其效果在很大程度上受到初始点云质量的制约，从而在点云分布稀疏的区域容易产生模糊现象以及针状伪影。这一问题主要源于点云扩展机制的设计，该机制仅依据可观测视角下splats的平均梯度大小作为增长依据，因此难以促使那些仅分布在边界区域、但具有较大高斯值的点进行扩展。

为应对上述缺陷，Pixel-GS引入了一种新的策略，即将被覆盖像素的数量作为权重因子，用于动态调整不同视角梯度的平均值，从而推动大规模高斯分布的增长。这种方法使得在初始化点不足的区域内能够实现更高效的扩展效果，进而提升重建结果的