基于对齐的 3D 高斯溅写生风格迁移方法——ABC-GS
计算机视觉与模式识别
2026-03-17 v2 图像与视频处理
摘要
基于神经辐射场（NeRF）的 3D 场景风格化方法通过优化最近邻特征匹配（NNFM）损失实现了令人瞩目的成果。然而，NNFM 损失未考虑全局风格信息。此外，NeRF 的隐式表示限制了其对最终场景的细粒度控制。在本文中，我们引入了 ABC-GS 框架，基于 3D 高斯溅实现高质量的 3D 风格迁移。为此，设计了可控的匹配阶段，通过分割掩码实现场景内容与风格特征之间的精确对齐。此外，提出了基于特征对齐的风格迁移损失函数，以确保风格迁移结果准确反映所选艺术参考的全局风格。Furthermore，通过深度损失和高斯正则化项保留了场景的原始几何信息。大量实验表明，ABC-GS 提供了风格迁移的可控性，并实现了更贴近所选艺术参考全局风格的风格化结果。我们的主页可在 https://vpx-ecnu.github.io/ABC-GS-website 访问。
引用
@article{arxiv.2503.22218,
title = {ABC-GS: Alignment-Based Controllable Style Transfer for 3D Gaussian Splatting},
author = {Wenjie Liu and Zhongliang Liu and Xiaoyan Yang and Man Sha and Yang Li},
journal= {arXiv preprint arXiv:2503.22218},
year = {2026}
}
备注
ICME 2025 Oral