本文選自gongzhonghao【圖靈學術SCI論文輔導】
關注我們，掌握更多頂會頂刊發文資訊
1.導讀
1.1 論文基本信息
論文標題：DashGaussian: Optimizing 3D Gaussian Splatting in 200 Seconds
作者：Youyu Chen、Junjun Jiang、Kui Jiang、Xiao Tang、Zhihao Li、Xianming Liu、Yinyu Nie
作者單位：哈爾濱工業大學、華為諾亞方舟實驗室
發表信息：arXiv:2503.18402v2 [cs.CV] 26 Mar 2025
論文鏈接：https://arxiv.org/abs/2503.18402
2.論文速讀
研究者們提出了一種名為DashGaussian的優化方法，能夠顯著加快3D高斯繪制（3DGS）的訓練速度。該方法通過合理分配計算資源，在不犧牲渲染質量的前提下，將3DGS模型的優化時間縮短至200秒。DashGaussian通過動態調整渲染分辨率和高斯原語數量，有效減少了優化過程中的計算復雜度。
3.研究背景及相關工作
3.1 研究背景
3D高斯繪制（3DGS）是一種利用高斯原語進行場景建模的方法，能夠在保持與NeRF相當的渲染質量的同時，顯著減少優化時間。然而，現有的3DGS方法在優化過程中仍面臨計算效率低下的問題，尤其是在處理大規模場景時。
3.2 相關工作
3.2.1? ?新視圖合成
NeRF作為新視圖合成領域的里程碑工作，雖然在視覺質量上取得了顯著成果，但優化單個場景需要數小時。3DGS作為一種替代方案，通過減少優化時間，提高了場景建模的效率。
3.2.2 ??3DGS優化加速
現有的加速方法主要分為工程優化和算法優化兩大類。工程優化通過改進渲染流程來提高計算效率，而算法優化則通過剪枝冗余的高斯原語來減少參數數量。然而，這些方法在加速的同時，往往會導致渲染質量的下降。
4.DashGaussian：3DGS優化的動態調度方案
DashGaussian通過動態調整渲染分辨率和高斯原語數量，有效減少了3DGS優化過程中的計算復雜度。具體來說，該方法將3DGS優化過程視為逐步擬合訓練視圖中不同頻率成分的過程，并提出了一個基于頻率的分辨率調度方案。此外，DashGaussian還設計了一個與分辨率增長同步的高斯原語數量調度器。
4.1 問題表述
優化3DGS時，使用不同分辨率的圖像進行訓練是一個挑戰，因為這可能導致3D混疊問題。根據圖像處理理論，低分辨率圖像與高分辨率圖像之間的主要區別在于高分辨率圖像中包含而低分辨率圖像中缺失的高頻成分。因此，逐步提高渲染分辨率相當于逐步擬合3DGS到訓練視圖中的更高頻率成分。
4.2 頻率引導的分辨率調度器
基于上述理論，DashGaussian提出了一個場景自適應的頻率引導分辨率調度方案。該方案根據訓練視圖的頻率成分自適應地調整渲染分辨率，從而在優化過程中逐步增加分辨率。
4.3 分辨率引導的高斯原語調度器
DashGaussian進一步提出了一個分辨率引導的高斯原語調度器。該調度器根據當前的渲染分辨率動態調整高斯原語的數量，以實現計算冗余和擬合質量之間的最佳平衡。
5. 實驗
5.1 數據集和評估指標
研究者們在Mip-NeRF 360、Deep Blending和Tanks & Temples等真實世界數據集上進行了實驗。評估指標包括平均PSNR、SSIM和LPIPS，以及優化時間。
5.2 與快速優化方法的比較
DashGaussian在優化速度上顯著優于現有的快速優化方法。例如，在Mip-NeRF 360數據集上，DashGaussian將3DGS的優化時間縮短至200秒，同時保持了較高的渲染質量。
5.3 對不同3DGS骨干網絡的增強效果
DashGaussian可以輕松集成到各種3DGS骨干網絡中，顯著提高優化速度。實驗結果表明，DashGaussian在不同骨干網絡上均實現了平均45.7%的加速。
5.4 消融研究
研究者們對DashGaussian的各個模塊進行了消融研究。結果表明，分辨率調度器和高斯原語調度器均對優化速度和渲染質量有顯著影響。
6.結論
DashGaussian通過合理分配計算資源，顯著加快了3DGS的優化過程。該方法不僅提高了優化效率，還保持了渲染質量。DashGaussian可以作為即插即用的優化策略，集成到任何3DGS骨干網絡中。未來，研究者們將探索將該方法應用于更大規模、更具挑戰性的場景重建任務。
?本文選自gongzhonghao【圖靈學術SCI論文輔導】
關注我們，掌握更多頂會頂刊發文資訊
