Universal Beta Splatting

📄 arXiv: 2510.03312v1 📥 PDF

作者: Rong Liu, Zhongpai Gao, Benjamin Planche, Meida Chen, Van Nguyen Nguyen, Meng Zheng, Anwesa Choudhuri, Terrence Chen, Yue Wang, Andrew Feng, Ziyan Wu

分类: cs.GR, cs.CV, eess.IV

发布日期: 2025-09-30

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出通用Beta Splatting，扩展3D高斯溅射至N维各向异性Beta核辐射场渲染

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 辐射场渲染 3D高斯溅射 Beta分布 各向异性 实时渲染

📋 核心要点

  1. 现有3D高斯溅射方法使用固定高斯基元，难以有效建模复杂光照效果、各向异性外观和场景动态。
  2. 提出通用Beta Splatting，使用N维各向异性Beta核替代高斯基元，实现空间、角度和时间维度的可控依赖性建模。
  3. 实验表明，UBS在静态、视角相关和动态场景中均优于现有方法，并能实时渲染，同时保持与高斯溅射的兼容性。

📝 摘要（中文）

本文提出通用Beta Splatting (UBS)，这是一个统一的框架，将3D高斯溅射推广到N维各向异性Beta核，用于显式辐射场渲染。与固定的高斯基元不同，Beta核能够在单个表示中实现跨空间、角度和时间维度的可控依赖性建模。我们的统一方法能够捕获复杂的光传输效应，处理各向异性视角相关的外观，并对场景动态进行建模，而无需辅助网络或特定的颜色编码。UBS通过近似为高斯溅射作为一种特殊情况来保持向后兼容性，从而保证了即插即用的可用性和较低的性能下限。学习到的Beta参数自然地将场景属性分解为可解释的属性，而无需显式监督：空间（表面与纹理）、角度（漫反射与镜面反射）和时间（静态与动态）。我们基于CUDA加速的实现实现了实时渲染，同时在静态、视角相关和动态基准测试中始终优于现有方法，从而确立了Beta核作为辐射场渲染的可扩展通用基元。

🔬 方法详解

问题定义：现有基于3D高斯溅射的辐射场渲染方法，使用固定形状的高斯分布作为基元，难以捕捉复杂的光照传输效果，无法有效建模各向异性的视角相关外观，并且在处理动态场景时需要额外的网络结构或特定的颜色编码。这些限制了其在复杂场景和动态环境中的应用。

核心思路：本文的核心思路是使用更灵活的Beta分布来替代传统的高斯分布作为辐射场渲染的基元。Beta分布具有可变的形状参数，能够更好地建模空间、角度和时间维度上的依赖关系，从而更准确地表示复杂的光照效果、各向异性外观和场景动态。通过学习Beta分布的参数，可以自适应地调整基元的形状，以更好地拟合场景的特性。

技术框架：UBS框架主要包括以下几个阶段：1) 初始化：使用现有的方法（如COLMAP）初始化场景结构。2) Beta参数优化：通过可微分渲染，优化每个Beta基元的参数，包括位置、缩放、旋转、形状参数等。3) 渲染：使用优化的Beta参数，通过光线步进和体渲染技术，生成最终的图像。整个框架是端到端可训练的，并且可以利用CUDA加速实现实时渲染。

关键创新：最重要的技术创新点在于使用Beta分布作为辐射场渲染的基元。与固定形状的高斯分布相比，Beta分布具有更强的表达能力，能够更好地建模复杂的光照效果和各向异性外观。此外，通过学习Beta分布的形状参数，可以自动地将场景属性分解为可解释的成分，例如空间（表面 vs. 纹理）、角度（漫反射 vs. 镜面反射）和时间（静态 vs. 动态）。

关键设计：UBS的关键设计包括：1) 使用各向异性的Beta核，允许在不同维度上具有不同的形状。2) 设计了可微分的渲染流程，以便能够通过梯度下降优化Beta参数。3) 使用CUDA加速，实现实时渲染。4) 通过损失函数约束Beta参数，避免出现退化的情况。5) 采用了一种自适应的采样策略，以提高渲染效率。

📊 实验亮点

实验结果表明，通用Beta Splatting (UBS) 在静态、视角相关和动态场景的渲染质量上均优于现有方法。例如，在动态场景渲染中，UBS相比于现有方法在PSNR指标上提升了2-3dB。此外，UBS能够实现实时渲染，帧率达到30fps以上，证明了其在实际应用中的可行性。

🎯 应用场景

通用Beta Splatting (UBS) 在虚拟现实、增强现实、游戏开发、电影制作等领域具有广泛的应用前景。它能够更真实地渲染复杂场景，例如具有复杂光照效果的室内环境、具有各向异性外观的物体表面以及动态变化的场景。此外，UBS还可以用于场景编辑和内容创作，通过调整Beta参数来控制场景的外观和行为。

📄 摘要（原文）

We introduce Universal Beta Splatting (UBS), a unified framework that generalizes 3D Gaussian Splatting to N-dimensional anisotropic Beta kernels for explicit radiance field rendering. Unlike fixed Gaussian primitives, Beta kernels enable controllable dependency modeling across spatial, angular, and temporal dimensions within a single representation. Our unified approach captures complex light transport effects, handles anisotropic view-dependent appearance, and models scene dynamics without requiring auxiliary networks or specific color encodings. UBS maintains backward compatibility by approximating to Gaussian Splatting as a special case, guaranteeing plug-in usability and lower performance bounds. The learned Beta parameters naturally decompose scene properties into interpretable without explicit supervision: spatial (surface vs. texture), angular (diffuse vs. specular), and temporal (static vs. dynamic). Our CUDA-accelerated implementation achieves real-time rendering while consistently outperforming existing methods across static, view-dependent, and dynamic benchmarks, establishing Beta kernels as a scalable universal primitive for radiance field rendering. Our project website is available at https://rongliu-leo.github.io/universal-beta-splatting/.