Car-GS：解决3D汽车重建中反射和透明表面挑战的方法
计算机视觉与模式识别
2025-01-22 v1
摘要
3D汽车建模对于自动驾驶系统、虚拟现实和游戏等应用至关重要。然而，由于汽车具有高度反射和透明表面材料等独特特性，现有方法往往难以实现准确的3D汽车重建。为解决这些限制，我们提出了Car-GS方法，旨在减轻镜面高光和RGB与几何在3D几何和着色重建(3DGS)中的耦合效应。我们方法的三个关键创新：首先，我们引入视图依赖的高斯原始模型，以有效建模表面反射。其次，我们识别了在建模透明对象时，为图像渲染和几何属性共享不透明参数的局限性。为克服这一问题，我们为每个2D高斯原始模型分配一个可学习的几何特定不透明度，专用于渲染深度和法线。最后，我们注意到，当相机视角几乎与玻璃表面正交时，重建误差最为突出。为解决此问题，我们开发了质量感知监督模块，通过预训练的大规模法线模型适应性地利用法线先验。实验结果表明，Car-GS实现了汽车表面的精确重建，并显著优于先前方法。项目页面可访问于https://lcc815.github.io/Car-GS。
引用
@article{arxiv.2501.11020,
title = {Car-GS: Addressing Reflective and Transparent Surface Challenges in 3D Car Reconstruction},
author = {Congcong Li and Jin Wang and Xiaomeng Wang and Xingchen Zhou and Wei Wu and Yuzhi Zhang and Tongyi Cao},
journal= {arXiv preprint arXiv:2501.11020},
year = {2025}
}