F4Splat: Vorwärtsgerichtete prädiktive Verdichtung für vorwärtsgerichtetes 3D-Gaußsplatting
F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting
March 22, 2026
Autoren: Injae Kim, Chaehyeon Kim, Minseong Bae, Minseok Joo, Hyunwoo J. Kim
cs.AI
Zusammenfassung
Feed-Forward-3D-Gaussian-Splatting-Methoden ermöglichen eine Einzelpass-Rekonstruktion und Echtzeit-Rendering. Allerdings verwenden sie typischerweise starre Pixel-zu-Gauß- oder Voxel-zu-Gauß-Pipelines, die Gaußsche Verteilungen gleichmäßig zuweisen, was zu redundanten Gaußverteilungen über verschiedene Blickwinkel hinweg führt. Zudem fehlt ihnen ein effektiver Mechanismus, um die Gesamtzahl der Gaußverteilungen bei gleichbleibender Rekonstruktionsqualität zu steuern. Um diese Einschränkungen zu adressieren, stellen wir F4Splat vor, das eine prädiktive Verdichtung für Feed-Forward-3D-Gaussian-Splatting durchführt und eine verdichtungsbewertungsgesteuerte Zuweisungsstrategie einführt, die Gaußverteilungen adaptiv nach räumlicher Komplexität und Multi-View-Überlappung verteilt. Unser Modell sagt regionsspezifische Verdichtungswerte voraus, um die benötigte Gaußdichte abzuschätzen, und ermöglicht eine explizite Kontrolle über das endgültige Gauß-Budget ohne Neutraining. Diese räumlich adaptive Zuweisung reduziert Redundanzen in einfachen Regionen und minimiert doppelte Gaußverteilungen in überlappenden Blickwinkeln, was kompakte und dennoch hochwertige 3D-Repräsentationen erzeugt. Umfassende Experimente zeigen, dass unser Modell eine überlegene Neuansicht-Syntheseleistung im Vergleich zu früheren unkalibrierten Feed-Forward-Methoden erzielt, dabei aber signifikant weniger Gaußverteilungen verwendet.
English
Feed-forward 3D Gaussian Splatting methods enable single-pass reconstruction and real-time rendering. However, they typically adopt rigid pixel-to-Gaussian or voxel-to-Gaussian pipelines that uniformly allocate Gaussians, leading to redundant Gaussians across views. Moreover, they lack an effective mechanism to control the total number of Gaussians while maintaining reconstruction fidelity. To address these limitations, we present F4Splat, which performs Feed-Forward predictive densification for Feed-Forward 3D Gaussian Splatting, introducing a densification-score-guided allocation strategy that adaptively distributes Gaussians according to spatial complexity and multi-view overlap. Our model predicts per-region densification scores to estimate the required Gaussian density and allows explicit control over the final Gaussian budget without retraining. This spatially adaptive allocation reduces redundancy in simple regions and minimizes duplicate Gaussians across overlapping views, producing compact yet high-quality 3D representations. Extensive experiments demonstrate that our model achieves superior novel-view synthesis performance compared to prior uncalibrated feed-forward methods, while using significantly fewer Gaussians.