AtlasGS:基于 Atlanta-world 引导的隐式结构高斯斯platting
计算机视觉与模式识别
2025-10-30 v1
摘要
3D 重建室内和城市环境是具有各类下游应用的热门研究主题。然而,现有方法在室内和城市场景中常用的几何先验缺乏全局一致性。此外,高斯斯platting 和隐式 SDF 场常常出现不连续性或计算效率低下,导致细节丢失。为此,我们提出一种引导 Atlanta-world 的隐式结构高斯斯platting,实现在保持高频细节和渲染效率的同时实现室内和城市场景的平滑重建。通过利用 Atlanta-world 模型,我们确保了低纹理区域的准确表面重建;而我们提出的新型隐式结构 GS 表示则在不牺牲效率和高频细节的前提下实现平滑性。具体而言,我们提出语义 GS 表示以预测所有语义区域的概率,并部署可学习平面指示器的结构平面正则化,以实现全局准确的表面重建。大量实验表明,我们的方法在室内和城市场景中均优于最新方法,实现卓越的表面重建质量。
引用
@article{arxiv.2510.25129,
title = {AtlasGS: Atlanta-world Guided Surface Reconstruction with Implicit Structured Gaussians},
author = {Xiyu Zhang and Chong Bao and Yipeng Chen and Hongjia Zhai and Yitong Dong and Hujun Bao and Zhaopeng Cui and Guofeng Zhang},
journal= {arXiv preprint arXiv:2510.25129},
year = {2025}
}
备注
18 pages, 11 figures. NeurIPS 2025; Project page: https://zju3dv.github.io/AtlasGS/