以损失的一阶变分决定3DGS高斯增减的方法：VinUniversity公开论文与代码

发生了什么

Quan Tran Hong、Long Nguyen-Chi、Binh T. Nguyen三位作者（VinUniversity Center for AI Research）向arXiv提交了重新审视3D Gaussian Splatting（3DGS）密度控制的论文《Birth-Death Structural Learning for 3D Gaussian Splatting》（日期为2026年10月25日）。实现代码也已在GitHub公开。

3DGS是一种可以实时渲染由实拍数据生成的3D表示的技术。其质量与效率的平衡取决于自适应密度控制（ADC），即对高斯进行复制、分裂和删除。以往的规则使用位置梯度、不透明度、图像空间误差等代理指标。

作者指出，这些指标无法直接回答“在哪里放置新的高斯能使损失下降”“删除哪些高斯影响较小”这样的问题。为此，他们提出了“first-variation birth-death control”，即用由重建损失导出的变分评分来决定高斯的增减。

据论文称，在标准基准上，将该评分引入3DGS-MCMC后，重建质量达到最高水平，且高斯数量预算越紧张，改善越大。在现有材料范围内，论文摘要中没有写出具体数值。

原理与内容

在每个结构更新步骤中，先固定当前的高斯集合。为每个高斯附加一个辅助的“质量”坐标，并用该坐标对多视角损失求导。这就是用于增减判断的评分。

论文称已证明该评分是Splat Regression Model一阶变分的坐标。评分高的高斯被选作新生成（birth）的位置，评分低且不透明度也低的高斯则成为删除（death）的对象。

根据GitHub的README，公开代码把质量变量附加在每个高斯的不透明度上。评分为 q_i = -α_i ∂F/∂α_i，为正时表示增加其贡献会使损失局部下降。q_i 超过阈值τ的高斯，被选作标准版复制、分裂的父节点。

基于不透明度和尺寸的删除仍然保留。τ是可调的超参数，在所报告的实验中为1e-7。README说明，论文正文以MCMC版为中心，公开代码是适配到标准版3DGS的版本。

数据一览

对实务的影响

如果能在减少高斯数量的同时提高质量指标，就可能有助于降低文件大小和渲染负载。对从事Web、移动端分发和查看器的从业者来说，这可能成为在训练端压缩数量的手段之一。

不过目前仍是研究阶段的报告。商用方面，上游3DGS的许可证是障碍。要用于制作或检测现场，需要在自有数据上确认可复现。

如何试用

1. 按照README的步骤，用 --recurse-submodules 克隆仓库，并用 scripts/setup.sh 构建环境。
2. 准备COLMAP格式（images/ 和 sparse/0/）的场景。可以使用Mip-NeRF360的场景。
3. 用 bash scripts/train_eval.sh <场景> <输出目录> 训练并评估所提方法。第3个参数指定 vanilla，可运行用于对比的基线。
4. 在输出目录的 results.json 和 per_view.json 中，比较各项指标和高斯数量。

注意事项・未确认事项

• 这些数值是README中记载的作者报告，从现有材料无法确认是否有第三方复现。
• README中的结果是7k迭代、7个场景的平均值。标准的30k迭代结果以及MCMC版的具体数值，在现有材料中无法确认。
• 论文是否经过同行评审尚未确认。请将其视为arXiv上的预印本。
• 据README，高斯数量因场景而异。各场景的单独结果据称记载于 docs/results.md，但本次未做确认。
• 对训练时间和内存的影响，从现有材料无法确认。
• 能否商用，须遵循上游许可证（限于研究和非商用评估）。仓库本身的许可证为NOASSERTION。

术语

自适应密度控制（ADC）

在3DGS训练过程中，通过复制、分裂和删除高斯来调整其数量与布局的机制。

一阶变分

表示函数的输入发生微小变化时，其值如何变化的量。这里表示损失变化的方向。

3DGS-MCMC

以概率采样的思路处理高斯增减的3DGS衍生方法。

PSNR / SSIM / LPIPS

图像还原质量的指标。PSNR和SSIM越高越好，LPIPS越低越好。

出处

一手信息（发布方・论文・代码仓库）

• Birth-Death Structural Learning for 3D Gaussian SplattingarXiv（arxiv.org）・en
• quanth238/birth-death-3dgsGitHub（github.com）・en

引出本文的X帖子

• 在X上查看@CSVisionPapers的帖子x.com

本文由AI根据出处（一手信息）以日语生成，未经人工事先审核，经过与出处核对等自动检查后自动发布（关于AI的使用）。数值和规格为发布方信息，本站未独立验证。详情请查阅原文。如发现错误，请通过联系表单告知，我们将尽快确认并更正。 本页为日语原文的AI翻译。如有出入，以日语版为准。 日语原文