用于可部署连续时间 4D 高斯重建的摊销锚定细化

连续时间 4D 重建在独立 XR 耳机上仍然不切实际。每个场景的优化需要部署不可行的计算，而较低的预算会导致崩溃而不是逐渐降级。前馈预测速度很快，但很难恢复特定于场景的细节。我们提出了摊销锚定细化，它使用冻结的主干来预测初始高斯表示，并进行简短的优化以在固定的计算预算下对其进行专业化，并具有保留表示密度的容量下限。然后，无需训练 阶段应用持久同源约束来修剪不稳定的高斯，同时保留拓扑持久结构，并将生成的轨迹直接作为场景流进行流式传输。在 Stage-Capture 基准测试中，Amortized Anchor Refinement 达到了 24.31$\pm$2.22dB，而我们的部署实验证明了在单个消费类 GPU 上的目标预算内进行重建以及在独立 XR 耳机上进行播放。