提出3D高斯泼溅非对称曲率感知致密化方法
原文：ACD-GS: Asymmetric Curvature-aware Densification for 3D Gaussian Splatting
3D高斯泼溅（3DGS）已成为实时逼真新视角合成的强大范式。然而，其训练时的致密化在很大程度上仍是启发式的，往往导致冗余高斯增殖和几何重建不准确。现有方法主要依赖一阶屏幕空间梯度来触发克隆和分裂，无法区分真正的几何不连续性与高频纹理或噪声残差。为解决这一局限，我们提出ACD-GS，一种用于紧凑且几何感知的3D高斯优化的非对称曲率感知致密化框架。我们的关键洞察是，二阶深度响应为密度控制提供了更可靠的结构先验，能够对克隆和分裂进行非对称调控，从而更好地捕获几何不连续性。在此基础上，我们引入多视角光度一致性约束以抑制瞬态单视角误差，并提出容量感知的自适应调控策略，在训练过程中平衡致密化与剪枝。与事后压缩或基于量化的方法不同，ACD-GS直接在训练过程中防止冗余高斯的生成，产生本质紧凑的表示。大量实验表明，我们的方法在保持有竞争力的渲染保真度的同时，将高斯数量和存储减少了近60%，在多个数据集上持续优于现有方法。代码见 https://waveviewer.github.io/ACD-GS/。作者：Houqiang Zhong, Tianchi Zhu, Qiang Hu, Xiaoyun Zhang, Li Song 类别：cs.CV