Revising Densification in Gaussian Splatting

本文针对3D高斯喷洒（3DGS）中自适应密度控制（ADC）的局限性进行了探讨。3DGS是一种场景表示方法，可实现高质量、逼真的新视角合成。ADC已经被引入自动管理3D点基元，控制密集化和修剪，但是，在密集化逻辑方面存在某些局限性。我们的主要贡献是提出了一种更加原则性的、像素误差驱动的3DGS密度控制公式，利用辅助的、每个像素误差函数作为密度化的判据。我们进一步引入了一种机制，以控制每个场景生成的基元总数，并在克隆操作期间修正ADC当前不透明度处理策略中的偏差。我们的方法在各种基准场景中都可以实现一致的质量改进，而不牺牲该方法的效率。

论文解决了3D高斯点云渲染中自适应密度控制（ADC）的局限性，提出了更加基于像素误差的密度控制方法，同时纠正了ADC在克隆操作中的不足。

论文提出了一种基于像素误差的密度控制方法，通过一个辅助的、基于像素误差的函数作为密度控制的标准，实现对3D高斯点云渲染中点的生成和修剪的自动管理。

论文的方法在多个基准场景中实现了一致的质量提升，而不牺牲方法的效率。实验使用了多个数据集，并且开源了代码。

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。