JHU 提出 Hexels:六边形原语省 5.5 倍显存,PSNR 反超 3DGS
ssh4net · x · 2026-10-29
约翰霍普金斯大学 CCVL 团队(Prakhar Kaushik、Soumava Paul、Alan Yuille)发布 Honeycomb-Surfels 论文,提出 Hexels——一种带一阶空间颜色场的平面六边形表面原语,用于高效 3D 场景重建、新视角合成与 2D 图像表示。
核心要点:
- 六边形支撑域在面积与边界上更高效,局部线性颜色场让单个原语能覆盖更大、外观平滑变化的区域,用更少更大的原语表达场景
- 实测:与 2DGS 同等模型显存(19.3 MB)下,PSNR 提升 4.96 dB,峰值显存降低 5.51 倍(0.88 GiB vs 4.88 GiB)
- 在 Mip-NeRF360 的 9 个场景上平均 PSNR 超过 Mip-NeRF360、3DGS、2DGS、Triangle Splat 等对比方法
- 2D 图像重建(Image-GS 基准,10K 原语)同样优于 Image-GS,边界与结构细节保留更好
论文、项目与 MIT 协议代码均已公开,适合资源受限场景下的 3D 重建。
所属事件:JHU 提出 Hexels 六边形基元：更省显存且画质反超(2 条相关)→
「研究」频道最新
- OpenAI 数学论证仍属原始研究，尚无专家公开评估 — maier_ak · 2026-10-29
- OpenAI 疑用 Lean 形式化数学猜想，尚无专家公开评估 — maier_ak · 2026-10-29
- OpenAI 模型声称以 Lean 形式化证明局部光滑与 Kakeya 猜想 — maier_ak · 2026-10-29
- 传 OpenAI 模型 59 页 Lean 证明包揽局部光滑与 Kakeya 猜想 — maier_ak · 2026-10-29
- UCSB 论文：TTME 用记忆演化替代测试时训练，省 84% 算力还更准 — rohanpaul_ai · 2026-10-29
- 把 Qwen3 单个神经元推满,模型秒变「保护地球的英雄」 — Sauers_ · 2026-10-29