ConFixGS：在驾驶场景中学习利用置信度感知扩散先验修复前馈 3D 高斯泼溅
计算机视觉与模式识别
2026-05-12 v1
摘要
前馈 3D 高斯泼溅（3DGS）在基于轨迹的稀疏视图驾驶场景中常常面临困难。现有的高斯修复方法主要针对基于优化的 3DGS，而基于扩散的修复通常局限于在观测视点附近的迭代优化，使得前馈 3DGS 的修复鲜少被探索。我们提出了 ConFixGS，一种即插即用的方法，学习利用置信度感知扩散先验来修复前馈 3DGS。从预训练的前馈模型出发，ConFixGS 生成经扩散增强的局部伪目标，并通过对支持视图的重投影交叉检查来验证它们。由此产生的密集置信度图引导优化过程，在增强可靠细节的同时抑制幻觉或不一致的证据。在 Waymo、nuScenes 和 KITTI 上，ConFixGS 改进了具有挑战性的新视角合成，PSNR 增益最高达 3.68 dB，FID 降低近一半。我们的结果突出了生成先验与支持视图一致性的置信度感知融合，将其作为稳健的前馈 3D 驾驶场景重建的关键原则。
引用
@article{arxiv.2605.09688,
title = {ConFixGS: Learning to Fix Feedforward 3D Gaussian Splatting with Confidence-Aware Diffusion Priors in Driving Scenes},
author = {Rui Song and Tianhui Cai and Markus Gross and Xingcheng Zhou and Zewei Zhou and Zhiyu Huang and Olaf Wysocki and Jiaqi Ma},
journal= {arXiv preprint arXiv:2605.09688},
year = {2026}
}
备注
28 pages, 12 figures