基于几何感知特征引导的跨实例高斯溅射配准
计算机视觉与模式识别
2026-03-27 v2
摘要
我们提出了 Gaussian 溅射配准 (GSA)，这是一种用于通过相似变换（旋转、平移和尺度）对两个独立的 3D 高斯溅射 (3DGS) 模型进行配准的方法，即使它们是同一类别中不同对象（例如，不同车辆）。与现有方法只能对同一对象（例如，同一车辆）的 3DGS 模型进行配准且通常必须给定真实尺度输入的情况不同，GSA 能成功估计尺度。GSA 利用视图引导的球面映射特征获取稳健的对应关系，并引入两阶段优化框架，在保持模型固定的情况下配准 3DGS 模型。首先，我们应用迭代特征引导的绝对姿态求解器作为粗配准方法，对于较差初始化（例如 180 度误差或 10 倍尺度差）具有鲁棒性。接下来，我们采用细配准步骤，通过类似逆辐射场公式的多视图特征一致性约束。第一步已实现最先进的性能，第二步进一步提高了结果。在相同对象的情形下，GSA 超过了旁方法，通常表现出显著优势，即使其他方法给出真实尺度。在更具挑战性的同一类别中不同对象的情形下，GSA 大幅超越了它们，为类别级 3DGS 配准提供了首个有效解决方案，解锁了新的应用。项目网页：https://bgu-cs-vil.github.io/GSA-project/。
引用
@article{arxiv.2603.21936,
title = {Cross-Instance Gaussian Splatting Registration via Geometry-Aware Feature-Guided Alignment},
author = {Roy Amoyal and Oren Freifeld and Chaim Baskin},
journal= {arXiv preprint arXiv:2603.21936},
year = {2026}
}
备注
Accepted to CVPR 2026