AbsGS: Recovering Fine Details for 3D Gaussian Splatting

3D高斯喷洒（3D-GS）技术将具有可微分光栅化的3D高斯基元与高质量的新视角合成结果和先进的实时渲染性能相结合。然而，由于3D-GS自适应密度控制策略的缺陷，在包含高频细节的复杂场景中，它经常遭受过度重建问题，导致渲染图像模糊。该缺陷的根本原因仍未得到充分探讨。在这项工作中，我们提出了对上述伪影的原因进行全面分析，即梯度碰撞，它防止过度重建区域中的大高斯分裂。为了解决这个问题，我们提出了新颖的同向视空间位置梯度作为密集化的标准。我们的策略有效地识别了过度重建区域中的大高斯并通过分裂来恢复细节。我们在各种具有挑战性的数据集上评估了我们提出的方法。实验结果表明，我们的方法在减少或相似的内存消耗下实现了最佳渲染质量。我们的方法易于实现，并可以并入最近的基于高斯喷洒的方法中。我们将在正式出版后开源我们的代码。我们的项目页面可在以下网址找到：https://ty424.github.io/AbsGS.github.io/

论文旨在解决3D Gaussian Splatting (3D-GS)技术中自适应密度控制策略的缺陷，即在包含高频细节的复杂场景中经常出现过度重建问题，导致渲染图像模糊的问题。

论文提出了一种新的解决方案，即使用同向视空间位置梯度作为密度控制的标准，以有效识别过度重建区域中的大型高斯核，并通过分裂来恢复细节。

论文通过全面分析3D-GS技术中自适应密度控制策略的缺陷，并提出了一种新的解决方案。实验结果表明，该方法在不降低或相似内存消耗的情况下实现了最佳渲染质量。论文还提供了开源代码，易于实现并可与最近的高斯喷溅技术相结合。值得深入研究的是，该方法在处理包含高频细节的复杂场景时表现出色。

最近的相关研究包括：《DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation》、《NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis》等。