ADATEX4D: adaptive texture capacity allocation for 4D gaussian splatting

📄 arXiv: 2609.29963v1 📥 PDF

作者: De Jiang, Peiqiang Wang, Kehong Yuan, Shaohua Ma

分类: cs.CV, cs.AI

发布日期: 2026-09-24

💡 一句话要点

提出AdaTex4D以解决4D高斯点云纹理分配不均问题

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

关键词: 4D高斯点云 自适应纹理分配 计算机图形学 虚拟现实 增强现实

📋 核心要点

  1. 现有方法在低细节或弱可见区域对纹理分配不均，导致存储浪费。
  2. AdaTex4D通过自适应纹理容量模块，根据可见性和局部尺度动态调整纹理分配。
  3. 实验结果显示，AdaTex4D将纹理存储减少超过50%，同时保持重建质量，提升了模型效率。

📝 摘要（中文）

纹理高斯体提高了局部外观能力，但对每个原始体分配相同的纹理分辨率会在低细节或弱可见区域浪费存储。我们提出了AdaTex4D，这是一种用于基于变形的4D高斯点云的自适应纹理容量模块。每个高斯体携带的RGBA三平面在可见性归一化屏幕空间梯度和变形局部尺度的影响下，两个轴独立增长。N3DV和PanopticSports的实验表明，AdaTex4D在保持重建质量的同时，将纹理存储减少了一半以上。在固定内存预算下，自适应分配也改善了质量，相较于均匀纹理分配，减少了整体模型和峰值内存。这些结果表明，动态的各向异性纹理分配为4D高斯表示中的局部外观能力提供了更高效的分配方式。

🔬 方法详解

问题定义：现有的4D高斯点云方法在纹理分配上存在不足，尤其是在低细节或弱可见区域，导致存储资源的浪费。

核心思路：AdaTex4D通过引入自适应纹理容量模块，依据可见性归一化屏幕空间梯度和变形局部尺度，动态调整每个高斯体的纹理分配，从而提高存储效率。

技术框架：该方法的整体架构包括高斯体的生成、纹理的自适应分配和重建过程。每个高斯体携带的RGBA三平面在两个轴上独立增长，以适应不同的可见性和细节需求。

关键创新：最重要的创新点在于动态、各向异性的纹理分配策略，这与传统的均匀纹理分配方法形成了鲜明对比，显著提高了局部外观的表现能力。

关键设计：在设计中，采用了基于可见性和局部尺度的独立增长机制，确保了在固定内存预算下的高效纹理分配，同时优化了模型的整体性能和峰值内存使用。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，AdaTex4D在N3DV和PanopticSports数据集上将纹理存储减少超过50%，同时保持了重建质量。与均匀纹理分配相比，自适应分配显著提升了模型质量，并降低了整体模型和峰值内存使用。

🎯 应用场景

该研究的潜在应用领域包括计算机图形学、虚拟现实和增强现实等场景，能够有效提升4D高斯点云的表现力和存储效率。未来，随着技术的进一步发展，AdaTex4D可能在实时渲染和大规模场景重建中发挥重要作用。

📄 摘要（原文）

Textured Gaussians improve local appearance capacity, but assigning the same texture resolution to every primitive wastes storage on low-detail or weakly visible regions. We introduce AdaTex4D, an adaptive texture-capacity module for deformation-based 4D Gaussian Splatting. Each Gaussian carries packed RGBA triplanes whose two axes grow independently according to visibility normalized screen-space gradients and deformed local scales. Experiments on N3DV and PanopticSports show that AdaTex4D reduces texture storage by more than half while preserving reconstruction quality. Under fixed memory budgets, adaptive allocation also improves quality over uniform texture assignment and reduces overall model and peak memory. These results show that dynamic, anisotropic texture allocation provides a more efficient way to distribute local appearance capacity in 4D Gaussian representations.