Mini-Splatting: Representing Scenes with a Constrained Number of Gaussians

在这项研究中，我们探讨了使用有限数量的高斯函数有效地表示场景的挑战。我们的分析从传统的图形学和二维计算机视觉转向了点云的视角，强调了高斯函数表示的空间分布效率不高是模型性能的关键限制。为了解决这个问题，我们引入了一些密集化策略，包括模糊分裂和深度重新初始化，以及通过高斯函数二值化和采样来简化。这些技术重新组织了高斯函数的空间位置，从而在各种数据集和基准测试中显著提高了渲染质量、资源消耗和存储压缩。我们提出的Mini-Splatting方法与原始光栅化管线无缝集成，为未来基于高斯函数喷洒的研究提供了一个强有力的基线。

如何用有限数量的高斯函数高效表示场景？

通过高斯函数的稠密化和简化来提高场景表示的性能，提出Mini-Splatting方法

论文从点云的角度出发，提出了多种高斯函数的稠密化和简化策略，并且实验结果表明这些方法可以显著提高场景表示的质量、资源消耗和存储压缩。Mini-Splatting方法与原始光栅化管线无缝集成，为未来的高斯函数-光栅化相关研究提供了强有力的基础。

相关研究包括基于高斯函数的场景表示方法，例如Gaussian Voxelization和Gaussian Splatting，以及其他场景表示方法，例如点云和体素表示。