LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-09-25

Matryoshka Gaussian Splatting按前缀长度选择高斯预算

阅读原论文

一句话结论

已知相机的逐场训练将高斯按不透明度排序,随机选择前缀并同时监督全量渲染,使一个训练完的资产能按预算截取。作者稿p.8 Table1显示m360全量PSNR28.20,比同表3DGS-MCMC的28.40略低;LoD面积指标需按自定义归一化范围理解。

输入、机制与版本

静态场景多视及相机,gsplat的3DGS-MCMC为底座;50k步、容量上限5M,每轮重排图元并随机选择r比例前缀,前缀和全量分别渲染并等权重L1+D-SSIM优化。渲染时截断前k图元,属于一次训练后的连续预算选择,训练仍依赖逐场相机与多次渲染(作者v2 pp.5–8 Eqs.3–9)。出版社正式章DOI 10.1007/978-3-032-36984-0_18;所存17页原件是作者arXiv v2,出版社主PDF请求重定向HTML,官方补充请求曾超时,页码均指所存作者稿。

主表、冲突与消融

作者v2 p.8 Table1 m360九场:本法最高预算28.20 PSNR/.841 SSIM/.130 LPIPS,AUCfps64.81/AUCsplats77.79;3DGS-MCMC全量28.40/.843/.133,CLoD-3DGS为27.44/.814/.215及AUCfps46.38。T&T本法24.56<Octree-GS24.59,Deep Blending28.41<Octree-GS30.35,BungeeNeRF27.13<Octree-GS28.23;整体面积增益不能代替满容量画质。AUC在PSNR[14,32]、SSIM[.35,.92]、LPIPS[.06,.60]等人为区间归一化,定义见p.7 Eqs.9。p.9文字声称m360 CLoD与本法AUCfps为28.94/54.46,与Table1的46.38/64.81冲突,保留待版本核。p.13 Table2 bicycle单场消融:仅前缀24.97 PSNR/.253 LPIPS/AUCfps56.58;前缀+全量25.43/.175/66.87;升序24.91/30.53,对降序25.47/68.62,不能据单场推全场。

成本与边界

50k步的排序、两次渲染、SfM初始化、训练总时长与峰显存应计入部署前成本;训练好资产才具备按前缀运行的能力,FPS/图元预算跨硬件须重测。仓库GitHub API标识Apache-2.0源码许可,数据另核。未进行GPU复现。对照MCMC的逐场底座、EcoSplat的前馈指定预算和GlobalSplat的固定容量前馈预测。独立证据审计见raw/ingest/2026-09-25-matryoshka-gaussian-splatting/analysis.md,跨文判断见三维高斯泼溅:表示、优化、几何与动态任务。