ChatPaper.aiChatPaper

Moins de Gaussiennes, Plus de Texture : Projection de Textures en Flux Direct 4K

Less Gaussians, Texture More: 4K Feed-Forward Textured Splatting

March 26, 2026
Auteurs: Yixing Lao, Xuyang Bai, Xiaoyang Wu, Nuoyuan Yan, Zixin Luo, Tian Fang, Jean-Daniel Nahmias, Yanghai Tsin, Shiwei Li, Hengshuang Zhao
cs.AI

Résumé

Les méthodes existantes de *3D Gaussian Splatting* à propagation directe prédisent des primitives alignées sur les pixels, entraînant une croissance quadratique du nombre de primitives avec l'augmentation de la résolution. Cela limite fondamentalement leur extensibilité, rendant la synthèse haute résolution, telle que le 4K, insoluble. Nous présentons LGTM (*Less Gaussians, Texture More*), un cadre à propagation directe qui surpasse cette barrière de mise à l'échelle de la résolution. En prédisant des primitives gaussiennes compactes couplées à des textures par primitive, LGTM découple la complexité géométrique de la résolution de rendu. Cette approche permet une synthèse de nouvelles vues en 4K de haute fidélité sans optimisation par scène, une capacité jusqu'alors inaccessible aux méthodes à propagation directe, le tout en utilisant un nombre significativement réduit de primitives gaussiennes. Page du projet : https://yxlao.github.io/lgtm/
English
Existing feed-forward 3D Gaussian Splatting methods predict pixel-aligned primitives, leading to a quadratic growth in primitive count as resolution increases. This fundamentally limits their scalability, making high-resolution synthesis such as 4K intractable. We introduce LGTM (Less Gaussians, Texture More), a feed-forward framework that overcomes this resolution scaling barrier. By predicting compact Gaussian primitives coupled with per-primitive textures, LGTM decouples geometric complexity from rendering resolution. This approach enables high-fidelity 4K novel view synthesis without per-scene optimization, a capability previously out of reach for feed-forward methods, all while using significantly fewer Gaussian primitives. Project page: https://yxlao.github.io/lgtm/
PDF51March 28, 2026