FastGS: Treinando o algoritmo de espalhamento gaussiano 3D em 100 segundos Contribuições: 1. Nova estrutura simples e geral para aceleração de 3DGS que permite treinar uma cena em 100 segundos, mantendo uma qualidade de renderização comparável. 2. Uma estratégia eficiente de densificação e poda controla rigorosamente a adição e remoção de cada Gaussiana com base em sua contribuição para a qualidade da reconstrução multiview, acelerando consideravelmente o processo de treinamento. 3. Desempenho de última geração em extensos experimentos nos conjuntos de dados Mip-NeRF 360, Tanks & Temples e Deep Blending. Nosso método supera as abordagens de última geração (SOTA) em eficiência de treinamento, mantendo uma qualidade de renderização comparável. 4. Forte generalidade em diversas tarefas, como reconstrução de cenas dinâmicas, reconstrução de superfícies, reconstrução com poucas visualizações, reconstrução em larga escala e SLAM. O FastGS alcança uma aceleração média de treinamento de 2 a 7 vezes.
Artigo:arxiv.org/abs/2511.04283I Projetofastgs.github.ioM8
