SA-GS: Scale-Adaptive Gaussian Splatting for Training-Free Anti-Aliasing

本文介绍了一种自适应尺度的抗锯齿高斯喷涂方法（SA-GS）。与最先进的Mip-Splatting方法需要修改高斯喷涂的训练过程不同，我们的方法在测试时无需训练。具体而言，SA-GS可以作为插件应用于任何预训练的高斯喷涂场，以显著提高场的抗锯齿性能。核心技术是在测试时对每个高斯应用2D自适应尺度滤波器。正如Mip-Splatting所指出的那样，观察不同频率的高斯会导致训练和测试期间高斯尺度不匹配。Mip-Splatting通过使用3D平滑和2D Mip滤波器解决了这个问题，但不幸的是，它们并不知道测试频率。在这项工作中，我们展示了一个知道测试频率的2D自适应滤波器可以有效匹配高斯尺度，从而使高斯原始分布在不同的测试频率下保持一致。当尺度不一致被消除时，采样率小于场频率会导致传统的锯齿状，我们建议在测试期间在每个像素内集成投影的2D高斯。这种集成实际上是超采样的一个极限情况，可以显著提高比普通高斯喷涂更好的抗锯齿性能。通过使用各种设置和有界和无界场景的广泛实验，我们展示了SA-GS的性能与Mip-Splatting相当或更好。需要注意的是，只有当我们的自适应尺度滤波器被激活时，超采样和集成才是有效的。我们的代码、数据和模型可在https://github.com/zsy1987/SA-GS上获得。

本文提出了一种规模自适应的抗锯齿高斯喷洒方法（SA-GS），旨在提高高斯喷洒场的抗锯齿性能。当前最先进的方法Mip-Splatting需要修改高斯喷洒的训练过程，而SA-GS则是测试时无需训练的插件。具体而言，SA-GS可以应用于任何预训练的高斯喷洒场，以显著提高其抗锯齿性能。该方法的核心技术是在测试时对每个高斯应用2D规模自适应滤波器。

论文的关键思路是使用2D规模自适应滤波器来解决高斯喷洒在训练和测试中尺度不匹配的问题，从而提高其抗锯齿性能。该方法不需要训练，可以应用于任何预训练的高斯喷洒场。与Mip-Splatting相比，SA-GS更加适用于测试时的场景。

本文的亮点包括：1. 提出了一种新的规模自适应的抗锯齿高斯喷洒方法，可以显著提高高斯喷洒场的抗锯齿性能。2. 通过实验表明，SA-GS在不同设置和有界/无界场景下的性能与Mip-Splatting相当或更好。3. 该方法不需要训练，可以应用于任何预训练的高斯喷洒场。4. 作者提供了代码、数据和模型，可在https://github.com/zsy1987/SA-GS上获取。

最近在这个领域中，还有一些相关的研究，例如Mip-Splatting。