arXiv cs.AI· Injae Kim, Minseok Joo, Jihwan Park, Sehyung Kim, Minseong Bae, Hyunwoo J. Kim·· 11 小时前AI 评分31
RLSplat：面向前馈 3D Gaussian Splatting 的资源线性预算控制
RLSplat: Resource-Linear Budget Control for Feed-forward 3D Gaussian Splatting
AI 导读
RLSplat 是一个资源线性预算可控的前馈 3D Gaussian Splatting 框架，其表示规模、推理延迟和峰值内存均随 Gaussian 预算降低而线性下降。
正文 · AI 翻译
摘要：前馈 3D 高斯泼溅（FF3DGS）通过单次前向传播从图像重建 3D 场景，因此非常适合必须在有限资源预算内运行的应用。为进一步提升其实用性，近期出现的预算可控 FF3DGS 方法允许在推理时调整高斯数量，使输出满足给定的存储限制或渲染延迟约束。然而，这些方法忽略了推理本身的成本：为生成目标高斯数量的表示，它们先预测一组稠密高斯，再从中剪枝或选择，因此无论预算多少，所需延迟和峰值内存几乎恒定。为此，我们提出 RLSplat，一种资源线性、预算可控的 FF3DGS 框架，其表示大小、推理延迟和峰值内存均随高斯预算的减少而线性下降。RLSplat 不采用剪枝或选择，而是学习一种高斯分配策略，将预算分配到局部场景区域，从而精确生成所请求数量的高斯。随后，这些高斯通过资源线性的高斯解码进行细化，其中每个高斯仅关注通过高效分层邻居搜索找到的邻近高斯，因此解码成本随高斯数量减少而线性下降。在零样本评估中，RLSplat 在每个预算下均优于先前的预算可控方法，即使高斯数量少 4$\times$ 也超过了最强基线，同时在低预算下运行速度最高快 4.1$\times$，峰值内存少 9.6$\times$。
| 评论： | 代码见 此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.27712 [cs.CV] |
| （或 arXiv:2610.27712v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27712 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Injae Kim [查看电子邮件]
[v1]
2026年10月20日星期二 06:30:48 UTC（8,679 KB）
来源：arXiv cs.AI · arxiv.org