基于马尔可夫链蒙特卡洛的 3D 高斯点云重建

3D 高斯喷洒作为神经渲染的一种方法，当前的方法依赖于精心设计的克隆和分裂策略来放置高斯函数，这些方法往往无法泛化并且可能导致质量较低的渲染。本研究提出将 3D 高斯函数视为从描述场景物理表示的基础概率分布中随机采样得到的蒙特卡洛采样，通过这种方法，我们展示了 3D 高斯函数的更新与随机 Langevin 梯度下降更新的惊人相似性。我们的方法在提高渲染质量、轻松控制高斯函数数量和抵抗初始化方面取得了良好效果。