FluSplat：稀疏视图 3D 编辑，无需测试时间优化

文本引导图像编辑和 3D 高斯溅射 (3DGS) 的最新进展实现了高质量的 3D 场景操作。然而，现有的流程依赖于测试时的迭代编辑和拟合优化，在 2D 扩散编辑和 3D 重建之间交替。这个过程的计算成本很高，特定于场景，并且容易出现跨视图不一致。我们提出了一个前馈框架，用于从稀疏视图进行跨视图一致的 3D 场景编辑。我们没有通过迭代 3D 细化来强制一致性，而是在训练期间在图像域中引入了跨视图正则化方案。通过使用几何对齐约束联合监督多视图编辑，我们的模型可以产生视图一致的结果，而无需在推理时进行每个场景的优化。然后，编辑后的视图通过前馈 3DGS 模型提升为 3D，在单次前向传递中产生连贯的 3DGS 表示。实验表明，与基于优化的方法相比，竞争性编辑保真度和跨视图一致性得到了显着提高，同时将推理时间缩短了几个数量级。