跨视图稀释：基于经纬坐标图像的前馈视角合成
计算机视觉与模式识别
2026-05-20 v1
摘要
我们提出了 Cross-View Splatter，一种基于前馈方法，用于预测户外场景中由地面层级和卫星层级捕获的像素对齐高斯稠粒。忠实的重建需要良好的相机覆盖，但大规模户外场景的地面图像在捕获和收集方面耗时且困难。幸运的是，卫星图像可通过公共 API 提供全局几何先验。Cross-View Splatter 将正交化卫星视图与带 GPS 标签的地面照片融合，以统一的 3D 坐标系预测高斯稠粒。通过对齐地面和鸟瞰视角的特征表示，我们的模型在场景覆盖性和新视角合成方面优于仅使用地面图像。我们在精选的带经纬坐标数据集和配对卫星-地形数据上进行训练。我们在新的用于经纬坐标图像新视角合成基准数据集上评估了该方法，允许与先前的最新方法进行比较。我们的代码和数据准备将在 https://nianticspatial.github.io/cross-view-splatter/ 上提供。
引用
@article{arxiv.2605.19656,
title = {Cross-View Splatter: Feed-Forward View Synthesis with Georeferenced Images},
author = {Matias Turkulainen and Akshay Krishnan and Filippo Aleotti and Mohamed Sayed and Guillermo Garcia-Hernando and Juho Kannala and Arno Solin and Gabriel Brostow and Daniyar Turmukhambetov},
journal= {arXiv preprint arXiv:2605.19656},
year = {2026}
}
备注
Submitted to CVPR 2026. 8 figures, 3 tables. Project page: https://nianticspatial.github.io/cross-view-splatter/