flat minima optimization

新方法通过平坦最小值优化增强3D高斯泼溅的泛化能力

研究人员开发了一种新方法，以提高3D高斯泼溅（3DGS）在仅用有限视图进行训练时的泛化能力。通过应用平坦最小值优化的原理，该技术通过考虑各向异性和训练进度的受控扰动来正则化高斯参数。这种方法有助于保留精细细节并增强对过拟合的鲁棒性，从而实现更清晰、更稳定的重建，并能更好地泛化到新的视角，这在LLFF和Mip-NeRF360数据集上得到了证明。