cvg/resplat

解決的問題

ReSplat 解決了從影像中高效預測 3D 高斯點雲的挑戰。其目標是在保持高品質重構的同時，減少所需的高斯數量，並透過測試時的迭代優化機制，提升場景表示。

工作原理

ReSplat 使用前饋遞迴模型。它從一個緊湊的初始化開始，在下採樣空間中預測高斯點，使用的高斯數量遠少於以往的逐像素方法。隨後，它採用共享權重的遞迴模組，將渲染誤差作為無梯度反饋信號，迭代預測高斯參數的更新。

適用對象

此專案適用於從事 3D 場景重構、電腦視覺和神經渲染的研究人員與開發者，特別是使用高斯點雲技術的使用者。

主要亮點

• 緊湊初始化：在下採樣空間中預測高斯點，相比以往逐像素方法，使用的高斯數量減少 16 倍。
• 遞迴優化：使用共享權重模組，基於渲染誤差進行高斯點優化，無需梯度資訊。
• 測試時自適應：允許在推理過程中對 3D 表示進行迭代改進。