高速2DGS: 深層ガウス分布を用いた効率的な画像表現 貢献: • 反復的な最適化-サンプリングループを通して学習される初期化戦略であるDeep Gaussian Priorを提案します。最適化軌跡をシミュレートすることで、本手法はコンテンツを考慮した分布を捉え、ランダム初期化における均一なバイアスを打ち破り、収束を大幅に加速します。 • ガウス分布のカーディナリティ（K）を圧縮率に結び付ける、合理化されたフレームワークを提示します。複雑な特徴量エンジニアリングを必要としない軽量なバックボーンを用いることで、不適切ガウス分布の割り当てを扱いやすく、バッチ並列化可能な学習タスクに変換します。 • 私たちのフレームワークは、既存のガウス画像アプローチと比較して、再構成品質、推論の遅延、およびデータセット間の一般化可能性の間で優れたトレードオフを実現することを実証します。
論文: https://t.co/TmsaDVwcxr