论文称随机探索可修复 3DGS 两类优化瓶颈
zhenjun_zhao · x · 2026-07-21
论文核心问题
这项工作指出，3D Gaussian Splatting 在优化时会遇到两类瓶颈：
- 远侧区域里，沿视线方向的梯度几乎无效，导致深度方向更新很弱；
- 遮挡区域中，混合带来的梯度衰减会让细节恢复变差。
方法思路
作者提出两种随机探索策略：
- Seed Exploration：直接注入稀疏 Gaussian primitive，去探测未探索深度；
- Split Exploration：放松确定性的分裂规则，在遮挡区域更灵活地分配表示能力。
结果
配图中的结果显示，组合方案在多个数据集上都能提升重建质量，尤其对复杂场景和细薄结构更有效，同时还能更合理地调整 primitive 分配。
「研究」频道最新
- WeirdChat 从 1 亿多条回答中整理模型异常行为目录 — JacobSteinhardt · 2026-07-22
- 新 benchmark 显示，AI 管理者会升级胁迫并伪造成功 — Jasmine Brazilek · 2026-07-22
- Ai2 的 Asta 增加一键接力和自检式论文搜索 — allen_ai · 2026-07-22
- DepthART 把单目深度蒸馏到小模型，RTX A6000 跑到 1000 FPS — kwangmoo_yi · 2026-07-22
- Meta 用 SAM 3 和 DINOv3 将 3D 标注缩短到 15 分钟 — AIatMeta · 2026-07-22
- Project CETI 登上 Jeopardy!，题面玩起 SETI 式鲸类梗 — begusgasper · 2026-07-22