1.一种高斯泼溅细节层次生成方法,其特征在于,包括:设定N级细节层次,每级配置资源控制参数组{、、},其中:为第i级高斯数量上限,满足β1<β2<...<βN;
为稠密化触发周期,满足1> 2>...> N;
为训练图像下采样率,满足1<2<...
从i=1至N级执行分层迭代训练:从第1层开始,执行:
基于当前层参数组初始化训练环境;
通过动态增长函数控制高斯数量增长至;
当达到周期时触发多因子稠密化决策;
输出当前层LOD模型并迭代至下一层;
所述动态增长函数被配置为:
在迭代次数x∈[0,Ki]范围内,控制高斯数量按加速增长曲线逼近;
所述加速增长曲线采用非线性增长模型:其中,为初始高斯数,为第i层最大迭代次数,为[0,1]→[0,1]的单调递增函数;
所述多因子稠密化决策包括:
计算高斯点复合重要性分数:
其中,为命中像素数,为累计透明度,为尺度空间体积,为图像梯度模值;
按分数概率采样高斯点执行稠密化。
2.如权利要求1所述的一种高斯泼溅细节层次生成方法,其特征在于,所述为加速增长函数:=
其中,∈[0,1]。
3.如权利要求2所述的一种高斯泼溅细节层次生成方法,其特征在于,所述加速增长函数的导数变化率表现为,在x=0时增长率最大,x=时降为0,实现前期快速扩张与后期平缓收敛的平衡控制。
4.如权利要求3所述的一种高斯泼溅细节层次生成方法,其特征在于,在通过动态增长函数控制高斯数量增长时,每层启用稠密化训练M轮迭代的情况下,;
在计算高斯点复合重要性分数时,根据分数高低,作为权重采样个高斯点进行稠密化操作,直至达到本层次的资源预算上限;
其中,基于计算结果设置单次稠密化采样上限。
5.如权利要求1所述的一种高斯泼溅细节层次生成方法,其特征在于,还包括跨层继承机制:第i+1层训练以前一层输出为初始化起点;
继承前层高斯点并基于βi+1执行增量稠密化。
6.如权利要求1所述的一种高斯泼溅细节层次生成方法,其特征在于,所述方法支持分区协同训练:将场景划分为P个空间子区域;
各个空间子区域独立执行分层迭代训练;
生成带层级标签的LOD模型集{LODi^p},i∈[1,N],p∈[1,P]。
7.如权利要求6所述的一种高斯泼溅细节层次生成方法,其特征在于,定义相邻空间子区域的边界区域,给边界区域建立共享高斯点集;
对相邻分区边界处的高斯点分配进行共享重要性评估;
在进行边界高斯点的稠密化操作时同步更新关联分区元数据。
8.一种高斯泼溅细节层次生成系统,应用如权利要求1至7任一项所述的一种高斯泼溅细节层次生成方法,其特征在于,包括:层级设定模块,用于设定N级细节层次,每级配置资源控制参数组{、、},其中:为第i级高斯数量上限,满足β1<β2<...<βN;
为稠密化触发周期,满足1> 2>...> N;
为训练图像下采样率,满足1<2<...
分层迭代训练模块,用于从i=1至N级执行分层迭代训练:从第1层开始,执行:
基于当前层参数组初始化训练环境;
通过动态增长函数控制高斯数量增长至;
当达到周期时触发多因子稠密化决策;
LOD模型输出模块,用于输出当前层LOD模型并迭代至下一层。