创下全新性能标杆！清华哈佛Momentum-GS：将基于动量的自蒸馏应用大规模场景重建

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 混合表示法 三维高斯投影（3D Gaussian Splatting，3D-GS）最近因其高质量的重建效果和快速渲染速度而备受关注，在性能上优于基于NeRF（神经辐射场）的方法。基于此，最近的研究进一步提高了其在大规模场景中的表现。为了更高效地处理大规模环境，这些方法通常采用“分而治之”的策略，将大型场景划分为多个独立的块，以便在多个GPU上进行训练。这种方法为复杂、庞大的重建任务提供了可扩展的训练能力。然而： 显式表示数百万高斯分布会造成巨大的内存和存储需求 ，限制了3D-GS在大型场景中的可扩展性。 此外，由于大场景捕获中 不可避免的因素（如光照变化、自动曝光调整或相机姿态的不准确） ，独立训练每个块时往往会忽略块之 ………………………………