快速 2DGS：基于深度高斯先验的高效图像表示 贡献： • 我们提出了一种名为深度高斯先验的初始化策略，该策略通过迭代优化采样循环进行学习。通过模拟优化轨迹，我们的方法能够捕捉到内容感知分布，从而打破随机初始化的均匀偏差，显著加快收敛速度。 • 我们提出了一种简化的框架，将高斯基数 (K) 与压缩率挂钩。通过使用无需复杂特征工程的轻量级骨干网络，我们将不适定的高斯分布分配转化为一个易于处理、可批量并行化的学习任务。 • 我们证明，与现有的高斯图像方法相比，我们的框架在重建质量、推理延迟和跨数据集泛化能力之间实现了更优的权衡。
论文链接：https://t.co/TmsaDVwcxr