MeshSplatting : Rendu Différentiable avec des Maillages Opaques
MeshSplatting: Differentiable Rendering with Opaque Meshes
December 7, 2025
papers.authors: Jan Held, Sanghyun Son, Renaud Vandeghen, Daniel Rebain, Matheus Gadelha, Yi Zhou, Anthony Cioppa, Ming C. Lin, Marc Van Droogenbroeck, Andrea Tagliasacchi
cs.AI
papers.abstract
Les méthodes de splatting basées sur des primitives, comme le 3D Gaussian Splatting, ont révolutionné la synthèse de nouvelles vues grâce à un rendu en temps réel. Cependant, leurs représentations par points restent incompatibles avec les pipelines basés sur des maillages qui alimentent les moteurs de RA/RV et de jeux. Nous présentons MeshSplatting, une approche de reconstruction basée sur des maillages qui optimise conjointement la géométrie et l'apparence via un rendu différenciable. En imposant la connectivité via une triangulation de Delaunay restreinte et en affinant la cohérence de surface, MeshSplatting crée des maillages fluides de bout en bout et de haute qualité visuelle, qui s'intègrent efficacement dans les moteurs 3D temps réel. Sur Mip-NeRF360, la méthode améliore le PSNR de +0,69 dB par rapport à l'état de l'art actuel MiLo pour la synthèse de nouvelles vues basée sur des maillages, tout en s'entraînant 2 fois plus vite et en utilisant 2 fois moins de mémoire, établissant un pont entre le rendu neuronal et les graphiques 3D interactifs pour une interaction scénique en temps réel transparente. La page du projet est disponible à l'adresse https://meshsplatting.github.io/.
English
Primitive-based splatting methods like 3D Gaussian Splatting have revolutionized novel view synthesis with real-time rendering. However, their point-based representations remain incompatible with mesh-based pipelines that power AR/VR and game engines. We present MeshSplatting, a mesh-based reconstruction approach that jointly optimizes geometry and appearance through differentiable rendering. By enforcing connectivity via restricted Delaunay triangulation and refining surface consistency, MeshSplatting creates end-to-end smooth, visually high-quality meshes that render efficiently in real-time 3D engines. On Mip-NeRF360, it boosts PSNR by +0.69 dB over the current state-of-the-art MiLo for mesh-based novel view synthesis, while training 2x faster and using 2x less memory, bridging neural rendering and interactive 3D graphics for seamless real-time scene interaction. The project page is available at https://meshsplatting.github.io/.