UniqueSplat: 结合视角先验的 3DGS 泛化重建新框架
zhenjun_zhao · x · 2026-08-04
UniqueSplat 提出了一种基于视角条件的前馈 3D Gaussian Splatting (3DGS) 模型，旨在解决现有前馈方法（如 pixelSplat、MVSplat）为所有视角生成固定高斯分布、缺乏目标视角自适应能力的问题。
该方法的核心创新包括：
- 视角条件先验：将视角条件信息作为先验知识融入网络参数，使预测的高斯分布能根据不同视角动态调整。
- 双分支超网络：同时学习视角无关的共享嵌入和特定视角的知识，既探索了跨视角的可共享特征，又能在测试时自适应特定视角。
在 RealEstate10K、ACID 和 DTU 等数据集上的实验表明，UniqueSplat 超越了当前最先进的方法，并在跨数据集评估中展现出优异的泛化能力。
「研究」频道最新
- 清华团队提出AI4AI模型Frontis-MA1，迈向递归自我提升 — alex_verem · 2026-08-04
- 原生工具调用与采样参数修正，可大幅提升模型评测分数 — xeophon · 2026-08-04
- 快手提出跨形态视频动作迁移新框架,并发布配套数据集与基准 — KlingTeam · 2026-08-04
- DeepVoyager-VL:无需强化学习打造长程多模态深度搜索智能体 — Huanyao Zhang · 2026-08-04
- 北大提出视觉语言MoE负载均衡新方法ReBA — PekingUniversity · 2026-08-04
- NeurIPS录用率受限内幕：场地不够，多推的论文只能拒 — qberthet · 2026-08-04