ZJU3DV发布InfiniSplat v2：提升3D高斯重建渲染质量的新方法

摘要：ZJU3DV团队推出InfiniSplat v2，通过架构与训练方法的改进，显著提升了基于前馈高斯重建的3D场景渲染质量。该方法通过解耦几何与属性预测、使用冻结几何分支、训练时对齐预测高斯体以及采用大角度目标视图监督，显著降低了LPIPS和DISTS指标。在六个数据集的测试中，InfiniSplat v2在姿态条件和姿态自由设置下均达到最先进的性能，尤其在姿态条件下，LPIPS和DISTS分别降低了25.8%和32.9%。该技术为高质量3D渲染提供了新的解决方案，尤其适用于复杂视角变化场景。

---

技术机制剖析

InfiniSplat v2通过以下关键改进提升了3D高斯重建渲染质量：

1. 几何与属性预测解耦：通过冻结几何分支，InfiniSplat v2将几何预测与属性预测分离，使得模型能够更专注于学习高斯属性，从而提高渲染质量。

2. 训练时对齐预测高斯体：利用真实相机姿态在训练过程中对齐预测的高斯体，确保渲染结果在视角变化下的稳定性。

3. 大角度目标视图监督：采用大角度目标视图监督机制，使模型能够更好地处理复杂视角变化，提升渲染的全局一致性。

工程权衡与实测表现

• 优势：InfiniSplat v2在多个数据集上的表现均优于现有方法，尤其在姿态条件下，LPIPS和DISTS指标分别降低了25.8%和32.9%。这表明该方法在处理复杂视角变化时具有显著优势。

• 挑战：尽管该方法在渲染质量上取得了突破，但在计算资源需求上可能有所增加，尤其是在处理高分辨率3D场景时。此外，解耦几何与属性预测可能带来额外的训练时间开销。

开发者落地与部署建议

• 应用场景：InfiniSplat v2适用于需要高质量3D渲染的场景，如虚拟现实、增强现实和3D内容创作等。

• 部署建议：开发者可以结合现有的3D渲染管线，将InfiniSplat v2作为渲染模块的补充，以提升渲染质量。同时，建议在资源充足的硬件环境下部署，以充分发挥其性能优势。

• 优化方向：未来可以进一步优化几何与属性预测的解耦机制，并探索更高效的训练方法，以降低计算资源需求。

---

消息来源：Hugging Face Daily Papers (2026-10-14)

—— 完 ——

主题标签： #3D重建 关注 #高斯渲染 关注 #前馈模型 关注 #ZJU3DV 关注 #计算机视觉 关注