重新审视前馈 3D 高斯泼溅的深度表示

深度图被广泛用于前向 3D 高斯散射 (3DGS) 流水线中，通过将它们反投影为 3D 点云以进行新视图合成。这种方法具有高效训练、利用已知相机姿态以及精确几何估计等优点。然而，物体边界处的深度不连续性常常导致点云碎片化或稀疏，从而降低渲染质量——这是深度表示的一个众所周知的局限性。为了解决这个问题，我们引入了 PM-Loss，这是一种基于预训练 Transformer 预测的点图的新型正则化损失。尽管点图本身可能不如深度图精确，但它能有效地强制几何平滑性，尤其是在物体边界周围。通过改进的深度图，我们的方法显著提升了各种架构和场景中的前向 3DGS 性能，始终提供更好的渲染结果。我们的项目页面：https://aim-uofa.github.io/PMLoss