用 Gaussians 作画：从边缘到笔触
Painting with Gaussians
去年我开发了一个边缘感知像素化工具，这次我尝试将同样的边缘信息应用于数字绘画。我的目标是创建一个交互式工具，通过滑块实时调整，让程序自动生成类似手绘的笔触。传统的梯度下降方法虽然能重建图像，但速度慢且结果像有损压缩图。我利用结构张量提取边缘方向，结合 Haar 小波分析纹理密度，指导 2D Gaussian splat 的放置与形态。通过引入 Wang avalanche hash 打破网格规则性，并加入 Perlin noise 模拟手部抖动，最终实现了既保留细节又具有自然笔触感的数字绘画效果。
2D Gaussian splat 意外地完美契合了这一概念，它的均值决定了笔触落点，协方差矩阵则代表了笔触的拉伸与旋转方向。
HN 评论区
20- vanderZwan
> 每一层都比其下层更透明、更具体，从而增强已经构建好的现有结构。
因此有趣的是，油画和丙烯画的一个显著区别在于：前者具有更高的透明度，而后者更容易层层叠加，从而遮盖住下层。据我在艺术学校的一位画家导师所说，这正是油画能够极好地模仿真实皮肤质感的原因：它能让精通该媒介的画家创造出类似次表面散射的效果。这也是为什么现实中的画作看起来与屏幕上的图像如此不同，除了我们现有的最佳彩色屏幕拥有更大的色域范围之外，还有颜料笔触的实际表面纹理。缺点是，深层的任何错误都会透到上层。尤其是当你使用老大师们的技法作画时。
总之，这表明你的高斯点云（Gaussian splats）本质上更接近“油画”风格。这让我好奇，是否也能以某种方式编码这种次表面散射和纹理，使得在 3D 中查看这些点云时，能重现一些观看真实画作时缺失的效果！
另外，在光谱的另一端：你认为算法能否被修改以生成 SVG 输出？那样的话，它或许也能作为一种艺术“放大”滤镜使用。
（另外，作为一个患有原色视觉异常的人，我猜 th […]）
- mkaic
我在 2023 年左右 [0] 研究过一个与此相关的基于梯度下降的概念，灵感来自最初的 3DGS 论文。我对使用从前到后的 alpha 混合以及用于可变曲率笔触的极坐标高斯函数所得到的结果相当满意。总有一天我应该给仓库里除了目前仅有的蒙娜丽莎示例之外再添加一个 GIF 示例，但不幸的是，目前我手头只有这一个。
- andai
结果比我预期的要好得多。我对高斯函数一无所知，但我在图像编辑器中尝试过的大部分“绘画”效果都未能产生令人满意的结果。这个看起来很棒。