تمثيل مكاني ثلاثي الأبعاد مكثف من خلال شبكات غاوسية تنظّم نفسها ذاتيًا

أصبحت تقنية "البُقَع الثلاثية الأبعاد الغاوسية" (3D Gaussian Splatting) مؤخرًا تقنية واعدة جدًا لنمذجة المشاهد ثلاثية الأبعاد الثابتة. على عكس الحقول الإشعاعية العصبية (Neural Radiance Fields)، تستخدم تقنية التحويل الراستر (rasterization) الفعالة، مما يسمح بعرض سريع جدًا بجودة عالية. ومع ذلك، فإن حجم التخزين الناتج يكون أعلى بشكل ملحوظ، مما يعيق التطبيقات العملية، خصوصًا على الأجهزة ذات الموارد المحدودة. في هذه الورقة، نقدم تمثيلًا مكثفًا للمنظر، يُنظّم معلمات تقنية "البُقَع الثلاثية الأبعاد الغاوسية" (3DGS) في شبكة ثنائية الأبعاد (2D grid) ذات تجانس محلي، مما يضمن تخفيضًا كبيرًا في متطلبات التخزين دون التأثير على الجودة البصرية أثناء العرض. يكمن جوهر فكرتنا في الاستغلال الصريح للتكاثر الحسي الموجود في المشاهد الطبيعية. بشكل أساسي، تسمح الطبيعة الجوهرية للمشهد بوجود العديد من التباديل الممكنة لمعلمات الغاوسية التي تمثله بشكل مكافئ. لتحقيق ذلك، نقترح خوارزمية جديدة عالية التوازي، تُرتب معلمات الغاوسية عالية الأبعاد بشكل منتظم في شبكة ثنائية الأبعاد مع الحفاظ على هيكل الجوار (neighborhood structure). أثناء التدريب، نفرض بُعدًا سلسًا محليًا بين المعلمات المرتبة داخل الشبكة. تستخدم البُقَع غير المضغوطة نفس البنية التي تستخدمها تقنية 3DGS، مما يضمن دمجًا سلسًا مع المحركات العرضية المتعارف عليها. تحقق طريقة عملنا عامل تقليل في الحجم يتراوح بين 17 مرة و42 مرة في المشاهد المعقدة، دون زيادة في وقت التدريب، مما يمثل قفزة كبيرة في مجال توزيع واستهلاك المشاهد ثلاثية الأبعاد. يمكن العثور على معلومات إضافية على صفحة المشروع الخاصة بنا: https://fraunhoferhhi.github.io/Self-Organizing-Gaussians/