ColorGS：用于高保真手术场景重建的彩色高斯溅
计算机视觉与模式识别
2025-08-27 v1
摘要
由于现有方法在捕捉细微颜色变化和建模全局形变方面的局限性，手术器官从内窥镜视频中进行高保真重建仍然具有挑战性。虽然3D高斯溅(3DGS)能够实现动态重建，但其固定的每组高斯颜色分配难以处理复杂纹理，线性形变建模也无法准确建模一致的全局形变。为解决这些问题，我们提出了ColorGS框架，集成了空间自适应颜色编码和增强形变建模，用于手术场景重建。首先，我们引入彩色高斯原始素材，采用带可学习颜色参数的动态锚点来自适应编码空间变化纹理，在复杂光照和组织相似性条件下显著提升颜色表达能力。其次，我们设计了增强形变模型(EDM)，将时感知高斯基函数与可学习时独立形变相结合，实现对局部组织形变和由手术操作引起的全局运动一致性的精确捕捉。在达凡德机器人手术视频和基准数据集(EndoNeRF、StereoMIS)上的大量实验表明，ColorGS实现了最先进的性能，PSNR达到39.85(较现有基于3DGS的方法高出1.5)，SSIM达到97.25%，同时保持实时渲染效率。我们的工作在平衡高保真度与计算实用性方面推进了手术场景重建，对于内手术引导和AR/VR应用至关重要。
引用
@article{arxiv.2508.18696,
title = {ColorGS: High-fidelity Surgical Scene Reconstruction with Colored Gaussian Splatting},
author = {Qun Ji and Peng Li and Mingqiang Wei},
journal= {arXiv preprint arXiv:2508.18696},
year = {2025}
}