CityGS-X：一种用于高效且几何精确的大规模场景重建的可扩展架构
计算机视觉与模式识别
2025-04-01 v1
摘要
尽管 3D Gaussian Splatting 在大规模场景重建中取得了显著成就，但仍面临处理速度慢、计算成本高以及几何精度有限等重大挑战。这些核心问题源于其固有的非结构化设计以及缺乏高效的并行化。为了同时克服这些挑战，我们引入了 CityGS-X，这是一种基于新型并行化混合分层 3D 表示（PH^2-3D）的可扩展架构。作为早期尝试，CityGS-X 放弃了繁琐的合并与划分过程，转而采用新设计的批次级多任务渲染流程。该架构通过动态细节层次体素分配实现高效的多 GPU 渲染，显著提升了可扩展性与性能。通过大量实验，CityGS-X 在大规模场景中更快的训练时间、更大的渲染容量以及更精确的几何细节方面始终优于现有方法。值得注意的是，CityGS-X 仅使用 4 * 4090 GPU 即可在 5 小时内训练并渲染包含 5000 多张图像的场景，而其他替代方法在此任务中会遭遇内存溢出（OOM）问题并完全失败。这表明 CityGS-X 的能力远超其他现有方法。
引用
@article{arxiv.2503.23044,
title = {CityGS-X: A Scalable Architecture for Efficient and Geometrically Accurate Large-Scale Scene Reconstruction},
author = {Yuanyuan Gao and Hao Li and Jiaqi Chen and Zhengyu Zou and Zhihang Zhong and Dingwen Zhang and Xiao Sun and Junwei Han},
journal= {arXiv preprint arXiv:2503.23044},
year = {2025}
}
备注
Project page: https://lifuguan.github.io/CityGS-X/