AsySplat：高效3DGS场景建模
HKUST · hf · 2026-07-17
AsySplat 提出一种用于**长序列场景建模**的高效异构 3D Gaussian Splatting 架构，把几何与外观建模解耦。 论文的出发点是：现有通用 3DGS 方法在长序列新视角合成中虽然效果提升，但存在大量冗余计算。作者认为，高质量 NVS 并不一定需要极高精度几何，而外观学习通常比几何恢复更容易，因此设计了一个**任务感知的非对称结构**： - **几何分支**：处理粗粒度 token，承担多视图重建，参数占比更高； - **外观分支**：处理细粒度 token，以更少参数捕捉细节； - 两个分支通过**双向连接**互相提供信息，帮助彼此任务。 实验上，这种设计显著减少了计算冗余，提高了参数效率： - 在 **32-view 960P** 输入上，模型可达到与优化式方法相当的效果，同时带来接近 **800x 加速**； - 相比当前最强的通用零样本方法，能在**更少参数**、更低训练/推理开销下取得更好表现。