LiTe-GS smanjuje broj skupih procena pri izboru sledećeg pogleda za 3D Gaussian Splatting
Metod nasumično procenjuje podskup kandidatskih kamera umesto da svaki put skupo skorira ceo skup, uz teorijski definisan odnos između broja oracle poziva i kvaliteta aproksimacije.
Problem skupih information-gain procena
Autori ističu da izbor informativnog sledećeg pogleda može značajno pomoći 3D Gaussian Splatting treningu, ali da metode zasnovane na information gain-u postaju skupe kada raste broj kandidatskih kamera.
LiTe-GS smanjuje broj information-oracle evaluacija tako što nasumično bira i ocenjuje podskup kandidatskih pogleda umesto celog kandidatskog skupa.
Teorijska i eksperimentalna ušteda
Autori navode očekivanu oracle složenost reda O(M log(1/epsilon)) u odnosu na broj kandidatskih pogleda M, nezavisno od broja izabranih pogleda K.
Testovi na Blender i Mip-NeRF 360 skupovima zadržali su kvalitet rekonstrukcije sličan Fisher-information baseline metodama uz znatno manje Fisher-oracle procena.
Rad daje i formalne garancije za oracle složenost i aproksimacioni kvalitet izabrane šeme.
Izvori
Prikazani su izvorni linkovi korišćeni za proveru objavljenih činjenica.