更快更强的3DGS训练方法！慕尼黑工业大学提出3DGS-LM：直接把速度拉满~

项目主页：https://lukashoel.github.io/3DGS-LM/
我们提出了3DGS-LM，通过用定制的Levenberg-Marquardt（LM）替换其ADAM优化器来加速3DGS的重建。现有的方法通过减少高斯数或改进可微光栅化器的实现来减少优化时间。然而，他们仍然依赖ADAM优化器在数千次迭代中拟合场景的高斯参数，这可能需要一个小时。为此，我们将优化器更改为与3DGS可微光栅化器结合运行的LM。为了实现高效的GPU并行化，我们提出了一种用于中间梯度的缓存数据结构，使我们能够在自定义CUDA内核中高效计算雅可比向量积。在每次LM迭代中，我们使用这些核从多个图像子集计算更新方向，并将它们组合成加权平均值。总体而言，我们的方法比原始3DGS快30%，同时获得相同的重建质量。我们的优化也与其他加速3DGS的方法无关，因此与普通3DGS相比，可以实现更快的加速。