360度几何一致的Feed-Forward 3D高斯溅写重建用于360°图像
计算机视觉与模式识别
2026-01-06 v1
摘要
3D场景重建是空间智能应用（如AR、机器人和数字孪生）的基本任务。传统多视图立体法在视角稀疏或低纹理区域时表现不佳，而神经渲染方法虽能产生高质量结果，但需要针对每个场景进行优化，且缺乏实时效率。显式3D高斯溅写（3DGS）实现了高效渲染，但大多数前馈变体关注视觉质量而非几何一致性，限制了准确的表面重建和空间感知任务中的整体可靠性。本文提出了一种用于360°图像的新型前馈3DGS框架，能够在保持高渲染质量的同时生成几何一致的高斯原始数据。引入深度法向几何正则化，将渲染深度梯度与法线信息耦合，监督高斯元的旋转、尺度和位置，从而提高点云和表面的准确性。实验结果表明，所提方法在保持高渲染质量的同时，显著提升了几何一致性，为空间感知任务中的3D重建提供了有效解决方案。
引用
@article{arxiv.2601.02102,
title = {360-GeoGS: Geometrically Consistent Feed-Forward 3D Gaussian Splatting Reconstruction for 360 Images},
author = {Jiaqi Yao and Zhongmiao Yan and Jingyi Xu and Songpengcheng Xia and Yan Xiang and Ling Pei},
journal= {arXiv preprint arXiv:2601.02102},
year = {2026}
}