Hybrid Latents：幾何×外観を意識したサーフェル・スプラッティング
arXiv cs.CV / 2026/4/17
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は、Gaussianスプラッティングとハッシュグリッドを組み合わせ、さらに各Gaussianに対する潜在特徴を追加することで、NeRF系の先行手法よりも幾何と外観の絡まり（entanglement）を効果的に減らす放射（radiance）表現を提案します。
- 低周波成分と高周波成分を分ける方向に最適化を明示的に誘導し、ハードな不透明度の減衰（opacity falloff）を用いることで、高周波のテクスチャが幾何誤差を補ってしまう傾向を抑えます。
- 確率的な枝刈り（pruning）と、疎性を促すBCEベースの不透明度損失を組み合わせることで、冗長なGaussianをオフにし、シーン表現に必要な最小限のプリミティブだけを残せるようにします。
- 合成データと実データの両方で評価し、Gaussianベースの新規視点合成における最先端手法よりも高い再構成忠実度を示し、使用Gaussian数は約1桁少ない結果を報告しています。
- 全体として、本研究は周波数に基づく潜在モデリングとモデルのコンパクト化（縮約）により、複数視点画像からの2D Gaussianシーン再構成をより正確かつ効率的にすることを狙います。
