MLP Splatting: 3D-сцены из сотен MLP-примитивов вместо миллионов...

MLP Splatting: 3D-сцены из сотен MLP-примитивов вместо миллионов гауссиан

Исследователи Кембриджа представили MLP Splatting (Object-Centric Neural Fields) — принятое на ECCV 2026 представление 3D-сцен, где каждый примитив является компактным MLP и при обучении только по RGB привязывается к объектам и их частям без сегментации, догоняя Feature-3DGS по качеству при в 63 раза меньшем числе примитивов и в 6 раз меньшем объёме памяти.

Автор Sergey KostenchukОпубликовано 2026-10-16Обновлено 2026-10-17

2026-10-16 Исследования

🤖 MLP Splatting: 3D-сцены из сотен MLP-примитивов вместо миллионов гауссиан

Метод Object-Centric Neural Fields от Кембриджа (Shinjeong Kim, Andrew J. Davison и коллеги) принят на ECCV 2026, препринт arXiv:2606.03877. Каждый примитив сцены — компактный MLP с гауссианой, предсказывающий цвет и непрозрачность.

🌍 При обучении только по RGB примитивы сами ложатся на объекты и их части — сегментация не нужна. Против Feature-3DGS: в 63 раза меньше примитивов, в 6 раз меньше памяти, рендер вдвое быстрее при сопоставимом качестве (Replica, ScanNet).

👤 Открытый код под MIT (CUDA, GPU 8.0+, Python 3.10+, torch>=2.10.0): можно обучить модель на сценах Replica/ScanNet и двигать или перекрашивать объекты, выбрав пару примитивов; дистилляция признаков LSeg добавляет open-vocabulary сегментацию и удаление объектов.

Источник 1: http://shinjeongkim.com/mlp-splatting Источник 2: https://github.com/kxhit/mlp-splatting

Источники