在正则化过程中,文章提出渲染两种类型的深度,以独立调整高斯的中心和不透明度,而不改变它们的形状,从而在复杂颜色外观和平滑粗糙深度之间达到平衡。...此外,与NeRF相比,3D GS对小的深度误差更加敏感,这可能导致基元的分布噪声以及在复杂纹理区域出现失败。现有的尺度不变深度损失通常会将深度图对齐到固定尺度,从而忽略了小的损失。...这种方法实现了在不损害细粒度颜色性能的情况下对粗糙深度进行正则化的空间重塑。...这种忽视在之前基于NeRF的工作中可能不太重要,但在高斯辐射场中可能会出现更严重的问题。
在高斯辐射场中,纠正小的深度错误更具挑战性,因为它主要依赖于高斯基元的移动,这是一个发生在较小学习率下的过程。...此外,如果基元在深度正则化期间没有被纠正位置,它们将变成漂浮的噪声,并导致失败,特别是在具有细节丰富外观的区域,需要聚集大量基元,如下图所示。