CityGaussian：基于高斯的高质量大规模场景实时渲染
计算机视觉与模式识别
2024-07-18 v3
摘要
3D Gaussian Splatting (3DGS) 极大地推动了实时 3D 场景重建与新视角合成的进展。然而，有效地训练大规模 3DGS 并在不同尺度下进行实时渲染仍然具有挑战性。本文提出 CityGaussian (CityGS)，采用一种新颖的分治训练方法和 Level-of-Detail (LoD) 策略，以实现高效的大规模 3DGS 训练与渲染。具体而言，全局场景先验和自适应训练数据选择实现了高效训练与无缝融合。基于融合后的 Gaussian 基元，我们通过压缩生成不同的细节层级，并通过所提出的分块细节层级选择与聚合策略，实现跨尺度的快速渲染。在大规模场景上的大量实验结果表明，我们的方法达到了 SOTA 的渲染质量，能够在差异极大的尺度下对大规模场景进行一致的实时渲染。我们的项目主页位于 https://dekuliutesla.github.io/citygs/。
引用
@article{arxiv.2404.01133,
title = {CityGaussian: Real-time High-quality Large-Scale Scene Rendering with Gaussians},
author = {Yang Liu and He Guan and Chuanchen Luo and Lue Fan and Naiyan Wang and Junran Peng and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2404.01133},
year = {2024}
}
备注
Accepted by ECCV2024; Project Page: https://dekuliutesla.github.io/citygs/