Close-up-GS：通过渐进式自训练增强3D高斯溅射中的近距离视图合成
计算机视觉与模式识别
2025-03-13 v1 人工智能
摘要
3D高斯溅射(3DGS)在基于给定视角集训练后，在合成新视角方面展现了令人瞩目的性能。然而，当合成的视角与训练视角偏离较大时，其渲染质量会下降。这种衰退是由于(1)模型难以泛化到分布外场景，以及(2)由于大幅分辨率变化和遮挡导致的细粒度细节插值困难。这一限制的一个显著案例是近距离视图生成——产生比训练集中更靠近物体的视图。为了解决这一问题，我们提出了一种基于渐进式自训练数据进行3DGS模型训练的近距离视图生成新方法。我们的方案基于三个关键思想。首先，我们利用最近提出的3D感知生成模型See3D来增强渲染视图的细节。其次，我们提出了一种策略来渐进式地扩展3DGS模型的信任区域并为See3D更新一组参考视图。最后，我们引入了一种微调策略，利用上述方案生成的训练数据仔细更新3DGS模型。我们进一步定义了近距离视图评估的指标以促进该问题的更好研究。通过在专门选择的近距离视图场景上进行评估，我们所提方法相较于竞争性方案展现了明显的优势。
引用
@article{arxiv.2503.09396,
title = {Close-up-GS: Enhancing Close-Up View Synthesis in 3D Gaussian Splatting with Progressive Self-Training},
author = {Jiatong Xia and Lingqiao Liu},
journal= {arXiv preprint arXiv:2503.09396},
year = {2025}
}