Modelado Eficiente de Escenas Mediante Gaussianas 3D Conscientes de la Estructura y Priorizadas por Región

Área de la Ciencia:

• Visión por Computadora
• Gráficos por Computadora
• Reconstrucción de Escenas 3D

Sus antecedentes:

• La supervisión fotométrica domina los métodos actuales de Splatting de Gaussianas 3D (3DGS).
• Esto conduce a una distribución espacial ineficiente e ignora el contexto geométrico.
• Los métodos existentes enfrentan desafíos para equilibrar la compacidad de la representación, la velocidad de convergencia y la fidelidad de renderizado.

Objetivo del estudio:

• Introducir Mini-Splatting2, un marco novedoso para el modelado eficiente de escenas 3D.
• Repensar el modelado de gaussianas desde una perspectiva geométrica.
• Desarrollar un paradigma regulado por geometría para 3DGS.

Principales métodos:

• Implementar una distribución consciente de la estructura para la regularidad espacial y la esparsidad de la representación.
• Emplear optimización priorizada por región utilizando la saliencia geométrica y la selectividad computacional.
• Acoplar estos mecanismos para mejorar la discriminación del entrenamiento y la convergencia.

Principales resultados:

• Lograr hasta 4 veces menos primitivas gaussianas en comparación con los métodos existentes.
• Demostrar tiempos de optimización hasta 3 veces más rápidos.
• Mantener una calidad visual de vanguardia en la reconstrucción de escenas 3D.

Conclusiones:

• Mini-Splatting2 ofrece un enfoque estructurado y eficiente para el modelado de gaussianas 3D.
• El marco aborda eficazmente la tensión entre la compacidad de la representación, la aceleración de la convergencia y la fidelidad de renderizado.
• Abre el camino para la reconstrucción de escenas 3D consciente geométricamente y optimizada.