Newest papers

KoalaGS: Complexity-Aware Continuous Level of Detail for Gaussian Splatting

Radu Beche, Raoul de Charette · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28615 · open-access PDF

Vietnamese

Việc triển khai một cảnh Gaussian Splatting 3D được đào tạo dưới các ngân sách tính toán thu hẹp đòi hỏi một bộ nguyên thủy để duy trì hiệu quả khi được hiển thị ở các tiền tố nhỏ hơn. Trong thiết lập mức độ chi tiết liên tục này (LoD), thách thức là quyết định những Gaussians nên giữ năng lực khi ngân sách giảm. Một nghiên cứu thí điểm về tái tạo 3DGS-MCMC cho thấy sự phức tạp của hình ảnh, được tính từ các dạng xem đầu vào trước khi tối ưu hóa, dự đoán nơi lỗi tái tạo tập trung trong hình ảnh và không gian 3D. Nó cũng tiết lộ rằng các khu vực đơn giản chứa quá nhiều Gaussians và làm suy yếu nhiều như những khu vực phức tạp tại

Machine translation (Meta M2M100); the English original follows.

Abstract

Deploying a trained 3D Gaussian Splatting scene under shrinking compute budgets requires one primitive set to remain effective when rendered at smaller prefixes. In this continuous level of detail (LoD) setting, the challenge is to decide which Gaussians should retain capacity as the budget decreases. A pilot study on 3DGS-MCMC reconstructions shows that image complexity, computed from the input views before optimization, predicts where reconstruction error concentrates in image and 3D space. It also reveals that simple regions contain too many Gaussians and degrade as much as complex ones at

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange