arXiv cs.AI· Prakhar Kaushik, Soumava Paul, Alan Yuille·· 12 小时前AI 评分29
Hexels：用于高效场景渲染与重建的紧凑六边形图元
Honeycomb-Surfels: Compact Hexagonal Primitives for Efficient Scene Rendering and Reconstruction
AI 导读
研究者提出 Hexels——带一阶空间颜色场的平面六边形表面图元，用更少更大的图元表示局部平面区域。在 34 个场景上，Hexels 相比内存匹配的 2DGS 将 PSNR 提升 4.53-7.38 dB，且训练显存更低；单图元对比最高提升 4.74 dB，FPS 快 2.31 倍。
正文 · AI 翻译
摘要：随着辐射场与 splatting 技术的发展，新视角合成与三维重建取得了快速进展，但其内存与计算需求限制了它们在资源受限环境中的应用。我们提出 Hexels：一种新颖的平面六边形表面元素，具有一阶空间颜色场，可用于高效的三维场景与二维图像表示。Hexels 利用局部平面区域，其外观平滑变化，并使用更少、更大的图元。其六边形支撑提供了面积与边界高效的域，而局部颜色场则捕捉每个图元内的外观变化。在 34 个场景中，Hexels 在多个数据集上相比内存匹配的 2DGS 将 PSNR 提升了 4.53-7.38 dB，同时所需训练显存更低。我们进一步通过消融实验表明，在单个图元层面，Hexels 相比 2DGS 最高提升 4.74 dB，同时训练显存更低，FPS 快 2.31 倍。即使在无约束设置下，Hexels 也提供了互补的质量-内存权衡。为实现高效的三维表面重建，在 15 个 DTU 扫描上，Hexels 相比内存匹配的 2DGS 将误差降低了 28.9%。在 6 个 Tanks and Temples 表面场景上，Hexels 在所比较的方法中取得了最高的平均 F1（34.38%，而 2DGS 为 31.72%）。我们进一步表明，Hexels 作为一种通用图元，在二维图像表示上优于 Image-GS。Hexels 推动了表面对齐图元在质量-效率权衡上的帕累托前沿。
| 评论： | 项目页面见 此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；图形学（cs.GR）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.37668 [cs.CV] |
| （或 arXiv:2610.37668v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37668 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Prakhar Kaushik [查看邮箱]
[v1]
2026年10月27日星期二 17:59:59 UTC（36,891 KB）
来源：arXiv cs.AI · arxiv.org