具有深度引导跨视图一致性的 3D 高斯图像修复
计算机视觉与模式识别
2025-04-29 v2 机器学习
摘要
在使用 Neural Radiance Field (NeRF) 或 3D Gaussian Splatting (3DGS) 等新视角渲染方法进行 3D 修复时，如何实现不同相机视角间的纹理与几何一致性一直是一项挑战。在本文中，我们提出了一种具有深度引导跨视图一致性的 3D 高斯图像修复框架 (3D Gaussian Inpainting with Depth-Guided Cross-View Consistency, 3DGIC)，以实现跨视图一致的 3D 修复。在每个训练视图渲染的深度信息引导下，我们的 3DGIC 利用跨不同视图可见的背景像素来更新修复掩码，从而允许我们对 3DGS 进行优化以实现修复目的。通过在基准数据集上的大量实验，我们证实了 3DGIC 在定量和定性上均优于当前最先进的 3D 修复方法。
引用
@article{arxiv.2502.11801,
title = {3D Gaussian Inpainting with Depth-Guided Cross-View Consistency},
author = {Sheng-Yu Huang and Zi-Ting Chou and Yu-Chiang Frank Wang},
journal= {arXiv preprint arXiv:2502.11801},
year = {2025}
}
备注
Accepted to CVPR 2025. For project page, see https://peterjohnsonhuang.github.io/3dgic-pages