RadeGS——基于Quantifying and Alleviating Co-Adaptation in Sparse-View 3D Gaussian Splattin的Droupout

在scene/gaussian_model.py中添加随机丢弃和透明度补偿的函数

    def apply_dropout(self, p=0.3):
        """
        在训练过程中对高斯点应用丢弃正则化（Dropout）。
        :param p: 丢弃的概率，0 到 1 之间
        """
        # 创建丢弃掩码，随机选择丢弃的高斯点
        dropout_mask = torch.rand_like(self._opacity) > p  # 生成与透明度相同形状的掩码

        # 将丢弃的高斯点位置、透明度、特征等设为零
        self._xyz = self._xyz * dropout_mask  # 将丢弃的高斯点位置设为零
        self._opacity = self._opacity * dropout_mask  # 将丢弃的高斯点透明度设为零
        self._features_dc = self._features_dc * dropout_mask.unsqueeze(-1)  # 将丢弃的特征设为零
        self._features_rest = self._features_rest * dropout_mask.unsqueeze(-1)  # 将丢弃的特征设为零
        self._scaling = self._scaling * dropout_mask  # 将丢弃的缩放设为零
        self._rotation = self._rotation * dropout_mask  # 将丢弃的旋转设为零

    def compensate_dropout(self, p=0.3):
        """
        在测试时补偿训练期间丢弃正则化的透明度损失。
        :param p: 丢弃的概率，0 到 1 之间
        """
        # 在测试时，透明度补偿，确保每个高斯点的贡献是完整的
        self._opacity = (1 - p) * self._opacity  # 将透明度按 (1 - p) 进行缩放

在train.py中加入随机丢弃的代码

if reg_kick_on:
    scene.gaussians.apply_dropout()

在render.py的render_sets函数中中加入透明度补偿的代码

if not skip_test:
    gaussians.compensate_dropout()