基于 3D 高斯溅写的相机姿态细化
计算机视觉与模式识别
2025-08-26 v1
摘要
相机姿态细化旨在提高初始姿态估计的精度，以服务于 3D 计算机视觉中的各种应用。大多数细化方法依赖带特定描述符或专用网络的 2D-3D 对应物，要求为不同描述符或为每个场景重新训练网络。一些近期方法则从特征相似性推断姿态，但缺乏几何约束导致精度较低。为此，我们提出一种基于 3D 高斯溅写 (3DGS) 的新型相机姿态细化框架，称为 GS-SMC。鉴于 3DGS 的广泛应用，我们的方法能够利用现有的 3DGS 模型渲染新视角，为各种场景提供无需额外训练或微调的轻量级解决方案。具体而言，我们引入一种迭代优化方法，使用查询图像与多个渲染图像之间的焦边几何约束来细化相机姿态。该方法允许灵活选择特征提取器和匹配器来建立这些约束。在 7-Scenes 和 Cambridge Landmarks 数据集上进行的大量实证评估表明，我们的方法在 state-of-the-art 相机姿态细化方法中显著优于其他方法，在 7-Scenes 上实现了中位数平移误差和旋转误差分别降低 53.3% 和 56.9%，在 Cambridge 数据集上分别降低 40.7% 和 53.2%。
引用
@article{arxiv.2508.17876,
title = {Camera Pose Refinement via 3D Gaussian Splatting},
author = {Lulu Hao and Lipu Zhou and Zhenzhong Wei and Xu Wang},
journal= {arXiv preprint arXiv:2508.17876},
year = {2025}
}