F4Splat: Predição de Densificação Feed-Forward para *3D Gaussian Splatting* Feed-Forward
F4Splat: Feed-Forward Predictive Densification for Feed-Forward 3D Gaussian Splatting
March 22, 2026
Autores: Injae Kim, Chaehyeon Kim, Minseong Bae, Minseok Joo, Hyunwoo J. Kim
cs.AI
Resumo
Os métodos de "Feed-forward 3D Gaussian Splatting" permitem reconstrução em uma única passagem e renderização em tempo real. No entanto, eles geralmente adotam pipelines rígidos de pixel-para-Gaussiana ou voxel-para-Gaussiana que alocam Gaussianas de forma uniforme, resultando em Gaussianas redundantes entre diferentes vistas. Além disso, carecem de um mecanismo eficaz para controlar o número total de Gaussianas enquanto mantêm a fidelidade da reconstrução. Para superar essas limitações, apresentamos o F4Splat, que realiza uma densificação preditiva do tipo "feed-forward" para o "3D Gaussian Splatting", introduzindo uma estratégia de alocação guiada por pontuação de densificação que distribui Gaussianas de forma adaptativa de acordo com a complexidade espacial e a sobreposição multivista. Nosso modelo prevê pontuações de densificação por região para estimar a densidade Gaussiana necessária e permite o controle explícito do orçamento final de Gaussianas sem necessidade de retreinamento. Esta alocação espacialmente adaptativa reduz a redundância em regiões simples e minimiza Gaussianas duplicadas em vistas sobrepostas, produzindo representações 3D compactas e de alta qualidade. Experimentos extensivos demonstram que nosso modelo alcança desempenho superior em síntese de novas vistas em comparação com métodos "feed-forward" não calibrados anteriores, utilizando significativamente menos Gaussianas.
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.