CompactSplat: Spatially Adaptive Gaussian Distribution for Feedforward Scene Reconstruction
Pubblicata su AIChronos il · fonte del · Bing He, Jingnan Gao, Yunuo Chen, Zhengxue Cheng, Rong Xie, Li Song (Shanghai Jiao Tong University)
CompactSplat è un framework feedforward innovativo che ricostruisce scene 3D da viste sparse senza ottimizzazione per scena specifica. Il metodo introduce una allocazione dei contenuti-aware delle Gaussiani 3D, integrando la partizione spaziale guidata dalla texture con il campionamento gerarchico. Questo approccio concentra densamente le primitive nelle regioni complesse mentre utilizza primitive espanshe e modulate in scala per aree piane. Inoltre, supporta un controllo dinamico della scarsità durante l'inference, permettendo di bilanciare fedeltà del rendering e footprint di memoria senza retraining.
- Sfrutta Gaussiani Splatting (3DGS) generalizzabili per la generazione diretta delle scene da viste sparse.
- Implementa una partizione spaziale guidata dalla texture per ottimizzare l'allocazione dei primitives in base alla complessità geometrica locale.
- Permette un controllo dinamico della densità durante l'inference, riducendo il numero di primitive necessarie rispetto ai metodi precedenti.
- Migliora la coerenza del rendering ad alta risoluzione su dataset come RealEstate10K e ScanNet.
Perché conta. Sebbene focalizzato sulla computer vision geometrica, questo approccio dimostra l'importanza dell'allocation dinamica delle risorse (simile ai meccanismi di sparsity nei modelli LLM) per ottimizzare memoria e velocità durante l'inference locale.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.