Beyond Gaussians: Fast and High-Fidelity 3D Splatting with Linear Kernels

最近在3D高斯点绘（3DGS）方面的进展显著提高了新视角合成的质量，实现了高质量的重建和实时渲染。然而，诸如浮动基元和过度重建等模糊伪影仍然是一个挑战。目前的方法通过优化场景结构、增强几何表示、解决训练图像中的模糊问题、提高渲染一致性以及优化密度控制来应对这些问题，但内核设计的作用尚未得到充分探索。我们发现高斯椭球的软边界是这些伪影的原因之一，限制了高频区域细节的捕捉。为了解决这一问题，我们引入了3D线性点绘（3DLS），用线性内核替代高斯内核，以实现更锐利和精确的结果，尤其是在高频区域。通过对三个数据集的评估，3DLS展示了最先进的保真度和准确性，并且比基础的3DGS提高了30%的帧率。该实现将在被接受后公开发布。

该论文试图解决3D Gaussian Splatting (3DGS) 在新型视图合成中出现的模糊伪影问题，如浮动基元和过度重建。这是一个现有技术尚未完全解决的问题。

论文的关键思路是通过引入3D Linear Splatting (3DLS)，用线性核替代高斯核来减少模糊伪影，特别是在高频区域。这一方法旨在改善细节捕捉和渲染质量，与现有的几何表示和密度控制优化方法不同，重点在于核函数的设计。

论文在三个数据集上进行了评估，展示了3DLS在保真度和准确性上的优越性能，并且比基线3DGS提高了30%的FPS。此外，作者计划在论文被接受后公开实现代码，为后续研究提供支持。未来的研究可以进一步探索不同场景下的应用和优化。

近期相关研究包括：1.《NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis》；2.《PlenOctrees: Radiance Fields in 3D Voxel Grids for Real-Time Rendering》；3.《Instant-NSR: Instant Neural Scene Reconstruction via Differentiable Sphere Tracing》。这些研究主要集中在提高视图合成的质量和效率，但对核函数设计的关注较少。