BlockGaussian：基于自适应分块高斯溅射的高效大规模场景新视角合成
计算机视觉与模式识别
2025-04-16 v2
摘要
最近的 3D 高斯溅射(3DGS)技术在新视角合成任务中展现出巨大的潜力。分治范式使大规模场景重建成为可能，但在场景分区、优化和合并过程中仍面临诸多挑战。本文引入BlockGaussian，一种新型框架，融合内容感知场景分区策略和可见性感知的分块优化，以实现高效且高质量的大规模场景重建。具体而言，我们的方法考虑到不同区域的内容复杂度差异，在场景分区时平衡计算负载，从而实现高效的场景重建。为解决独立分块优化期间监督不匹配的问题，我们在单个分块优化期间引入辅助点，以对齐 ground-truth监督，从而提升重建质量。此外，我们提出一种伪视图几何约束，有效缓解分块合并时因浮空点导致的渲染退化。在大规模场景上的大量实验表明，我们的方法在重建效率和渲染质量方面均实现了最前沿的性能，优化速度提升了5倍，多个基准数据集上的平均 PSNR 提升了 1.21 dB。值得注意的是，BlockGaussian 大幅降低了计算需求，使单卡 24GB VRAM 的设备即可完成大规模场景重建。项目页面可访问于 https://github.com/SunshineWYC/BlockGaussian
引用
@article{arxiv.2504.09048,
title = {BlockGaussian: Efficient Large-Scale Scene Novel View Synthesis via Adaptive Block-Based Gaussian Splatting},
author = {Yongchang Wu and Zipeng Qi and Zhenwei Shi and Zhengxia Zou},
journal= {arXiv preprint arXiv:2504.09048},
year = {2025}
}
备注
https://github.com/SunshineWYC/BlockGaussian