论文页面 - 面向移动端3D高斯溅射的蒙特卡洛能量聚合方法

来源：https://huggingface.co/papers/2606.30017 发布于6月29日

·

由https://huggingface.co/xiaobiaodu

杜（https://huggingface.co/xiaobiaodu）提交于6月30日

摘要

Flux-GS 通过高效的照明表示、属性条件增强和多视图稠密化策略，在移动平台上实现了实时高保真3D高斯溅射。

近期3D高斯溅射（https://huggingface.co/papers?q=Gaussian%20Splatting）在新视图合成领域取得了前所未有的成功。然而，高阶球谐函数（https://huggingface.co/papers?q=Spherical%20Harmonics）（SH）带来的巨大推理和存储开销是移动平台（https://huggingface.co/papers?q=mobile%20platforms）的主要瓶颈。本文提出 Flux-GS，一种专为资源受限的移动平台（https://huggingface.co/papers?q=mobile%20platforms）设计的实时高斯溅射（https://huggingface.co/papers?q=Gaussian%20Splatting）方法，能够在显著降低开销的同时实现高保真渲染。我们首先提出蒙特卡洛镜面能量聚合器（https://huggingface.co/papers?q=Monte%20Carlo%20Specular%20Energy%20Aggregator），对三阶辐射残差进行采样，并将镜面能量聚合到紧凑的潜在空间（https://huggingface.co/papers?q=latent%20space）中。通过这种方式，我们的方法能够在无需昂贵的蒸馏或预训练的情况下，有效保留低阶频段中视觉显著的照明特征。为了缓解压缩过程中丢失的高频细节，我们引入了属性条件球谐增强（https://huggingface.co/papers?q=Attribute-Conditioned%20SH%20Enhancement）模块。该模块基于高斯内在属性预测高斯感知偏移，在推理前增强一阶球谐表示，且不增加额外推理成本。此外，原有的单视图梯度稠密化容易产生过多高斯体并对特定视图过拟合。我们通过提出多视图Alpha稠密化与剪枝（https://huggingface.co/papers?q=Pruning）策略来解决这些局限性。利用多视图指导，我们确保了多视图结构一致性以及冗余基元的精确移除。大量实验表明，Flux-GS 在保持竞争性视觉质量的同时实现了显著的参数缩减，为实时移动渲染提供了稳健且可扩展的解决方案。代码：magenta{https://xiaobiaodu.github.io/flux-gs-project/{https://xiaobiaodu.github.io/flux-gs-project/}}\。

查看 arXiv 页面（https://arxiv.org/abs/2606.30017）查看 PDF（https://arxiv.org/pdf/2606.30017）项目页面（https://xiaobiaodu.github.io/flux-gs-project/）GitHub0（https://github.com/xiaobiaodu/Flux-GS）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.30017）

在你的代理中获取此论文：

hf papers read 2606\.30017

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本论文的模型0

无模型链接本论文

请在模型 README.md 中引用 arxiv.org/abs/2606.30017，以从此页面链接。

引用本论文的数据集0

无数据集链接本论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.30017，以从此页面链接。

引用本论文的Spaces0

无Space链接本论文

请在Space README.md 中引用 arxiv.org/abs/2606.30017，以从此页面链接。

包含本论文的收藏集0

无收藏集包含本论文

请将此论文添加到收藏集（https://huggingface.co/new-collection）中，以从此页面链接。