SplatAnything: Gaussian Spacing Normalization for Feed-forward 3DGS across Arbitrary Scenes 封面
HuggingFace
论文

SplatAnything: Gaussian Spacing Normalization for Feed-forward 3DGS across Arbitrary Scenes

We identify a key limitation of existing feed-forward 3DGS methods: Gaussian attributes are typically predicted in a radial-distance-normalized space that canonicalizes a global radial statistic of the reconstructed geo…

来源:HuggingFace Papers收录于 2026年11月9日

站内导读

中文

定位:一篇改进前馈式三维高斯泼溅(3DGS)的论文 SplatAnything,针对的是跨场景时高斯分布不稳定的问题。 前馈式 3DGS 试图从输入图像直接预测三维高斯的属性,但已有方法通常在一个按径向距离归一化的空间里预测高斯属性,相当于把重建几何的一个全局径向统计量强行对齐,作者指出这是限制其在任意场景下表现的一个关键因素。SplatAnything 提出高斯间距归一化(Gaussian Spacing Normalization)作为替代方案,让同一套前馈预测能更稳地处理不同尺度、不同布局的场景。 适用人群:从事三维重建与神经渲染研究的科研人员、做 3DGS 应用落地的图形学工程师。

相关项目 · HuggingFace

查看全部「HuggingFace」项目 →