4D神经体素喷射：基于体素化高斯喷射的动态场景渲染 贡献： • 统一的 4D 体素架构：我们将 3D 体素网格扩展到 4D，将时间视为体素特征空间中的一个额外维度。这使得能够生成具有时间感知能力的 Gaussian 分布，从而在空间和时间上都进行自适应调整。与生成静态 Gaussian 分布的 Scaffold-GS 不同，我们的体素通过学习到的时间特征生成随时间变化的 Gaussian 分布。 • 选择性形变策略：通过大量实验，我们发现对所有高斯属性进行形变会导致训练不稳定。我们提出了一种选择性方法，该方法仅对几何属性（位置、缩放、旋转）进行形变，同时保持外观属性（颜色、不透明度）不变，从而显著提高了收敛性和模型质量。 • 视图自适应改进：我们提出了一种新的改进机制，通过自适应加密来识别和选择性地改进性能不佳的视图，从而解决时间不一致性问题，而不会产生全局开销。 • 内存高效设计：我们的框架实现了 O(fV + F) 的内存复杂度，而不是 O(N · T)，使得在消费级 GPU 上进行动态场景渲染成为可能。
论文链接：https://t.co/NEBweZNnwG