SplatAnything: normalizzazione della spaziatura gaussiana per 3DGS feed-forward in scene arbitrarie

Abstract degli autori

Individuiamo una limitazione fondamentale dei metodi 3DGS feed-forward esistenti: gli attributi delle gaussiane vengono in genere previsti in uno spazio normalizzato rispetto alla distanza radiale, che canonicalizza una statistica radiale globale della geometria ricostruita, mentre la spaziatura tra i centri delle gaussiane vicine può comunque variare notevolmente al variare della scala della scena e della configurazione delle telecamere. Questa discrepanza induce spostamenti sistematici nei valori target della scala delle gaussiane, generando ambiguità nella supervisione. Per affrontare il problema, proponiamo SplatAnything con Gaussian Spacing Normalization (GSNorm), che canonicalizza una statistica robusta della spaziatura tra gaussiane a livello di scena, fornendo un riferimento spaziale più coerente per la previsione delle gaussiane. Per valutare rigorosamente il nostro metodo, definiamo inoltre un benchmark sistematico che comprende dataset diversi, livelli di scarsità degli input e punti di vista estrapolati impegnativi. Esperimenti approfonditi dimostrano che SplatAnything raggiunge prestazioni allo stato dell’arte, con miglioramenti particolarmente significativi in presenza di notevoli variazioni della scala della scena e del punto di vista.