Universal Beta Splatting

📄 arXiv: 2510.03312v2 📥 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 (更新: 2026-01-27)

备注: ICLR 2026

🔗 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核 光照建模 动态场景

📋 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核替代固定高斯基元，实现空间、角度和时间维度的可控依赖性建模。
  3. 实验结果表明，该方法在静态、视角相关和动态场景中均优于现有方法，并能实时渲染。

📝 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，处理各向异性的视角相关外观，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，由于使用固定的高斯基元，在建模复杂光照传输效果（如镜面反射）、各向异性视角相关外观以及动态场景时存在局限性。这些方法通常需要额外的网络结构或特定的颜色编码来解决这些问题，增加了模型的复杂度和训练难度。

核心思路：本文的核心思路是使用更灵活的Beta核来替代传统的高斯基元。Beta核具有更强的表达能力，能够更好地建模空间、角度和时间维度上的依赖关系。通过学习Beta核的参数，可以自适应地捕捉场景的复杂光照效果、各向异性外观和动态变化，而无需额外的网络或编码。

技术框架：UBS框架的核心是使用N维各向异性Beta核来表示场景。渲染过程与高斯溅射类似，但使用Beta核进行颜色和不透明度的计算。具体流程包括：1）场景表示：使用Beta核参数（如位置、缩放、形状等）来表示场景；2）渲染：根据相机位姿，将Beta核投影到图像平面上，并计算每个像素的颜色和不透明度；3）优化：使用可微分渲染技术，通过反向传播优化Beta核参数，使得渲染结果与真实图像尽可能一致。

关键创新：最重要的技术创新点在于使用Beta核作为辐射场渲染的通用基元。与高斯基元相比，Beta核具有更强的表达能力，能够更好地建模复杂光照效果和动态场景。此外，该方法还提出了一种统一的框架，能够处理静态、视角相关和动态场景，而无需针对不同场景设计不同的模型。

关键设计：关键设计包括：1）Beta核参数化：使用一组参数来描述Beta核的形状、位置和方向；2）可微分渲染：使用可微分渲染技术，使得可以反向传播梯度，优化Beta核参数；3）损失函数：使用渲染图像与真实图像之间的差异作为损失函数，并加入正则化项，以防止过拟合。具体参数设置和网络结构细节在论文中有详细描述（未知）。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，通用Beta Splatting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。具体性能提升数据在摘要中有所提及，但未给出具体数值。该方法能够实现实时渲染，证明了Beta核作为辐射场渲染基元的有效性和可扩展性。

🎯 应用场景

该研究成果可广泛应用于虚拟现实、增强现实、游戏开发、电影制作等领域。通过更真实地渲染场景的光照效果和动态变化，可以提升用户体验，创造更具沉浸感的虚拟环境。此外，该方法还可以用于三维重建、场景编辑等任务，具有重要的实际应用价值和广阔的发展前景。

📄 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/.