3DGS-HPC：基于混合块级分类的无干扰项3D高斯溅写
计算机视觉与模式识别
2026-03-10 v1
摘要
3D高斯溅写（3DGS）在新视角合成和3D场景重建方面展现了卓越性能，但在真实环境中常因瞬时干扰项（如移动物体和变化阴影）而质量下降。现有方法常依赖来自预训练视觉模型提取的语义线索来识别和抑制这些干扰项，但这些语义与静态区域与瞬时区域之间的二元区分不一致，且在3DGS优化期间引入的外观扰动下仍然脆弱。我们提出3DGS-HPC（Hybrid Patch-wise Classification），通过结合两种互补原则来规避这些限制：一种利用局部空间一致性实现稳健区域级决策的块级分类策略，以及一种自适应整合光度和感知线索的混合分类度量，以实现更可靠的分离。广泛的实验表明，我们的方法在缓解3DGS基于新视角合成中的干扰方面具有卓越的优势和稳健性。
引用
@article{arxiv.2603.07587,
title = {3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification},
author = {Jiahao Chen and Yipeng Qin and Ganlong Zhao and Xin Li and Wenping Wang and Guanbin Li},
journal= {arXiv preprint arXiv:2603.07587},
year = {2026}
}