基于课程引导的稀疏视图高斯溶解
计算机视觉与模式识别
2026-02-25 v2
摘要
3D高斯溶解（3DGS）最近涌现为用于实时场景重建和渲染的高效高保真表示方法。然而，将3DGS扩展到稀疏视图设置仍具挑战，因为监督稀缺和受限视角覆盖导致过拟合。本文提出CuriGS，一个基于课程引导的稀疏视图3D重建框架。CuriGS通过引入学生视图来解决稀疏视图合成的核心挑战：这些是围绕真实姿态（教师）的伪视图。对于每个教师，我们生成不同扰动程度的多个学生视图组。在训练期间，我们遵循课程计划逐步解锁更高的扰动程度，随机抽取活跃级别的学生视图以辅助训练。每个抽取的学生视图通过深度相关性和共正则化进行正则化，并使用结合了SSIM、LPIPS和图像质量度量的多信号指标进行评估。对于每个教师和扰动级别，我们定期保留表现最佳的学生视图，并将满足预定义质量阈值的视图晋升至训练集，从而实现稀疏训练视图的稳定增强。实验结果表明，CuriGS在各种合成和真实稀疏视图场景中，在渲染保真度和几何一致性方面均优于最先进的基线方法。项目页面：https://zijian1026.github.io/CuriGS/
引用
@article{arxiv.2511.16030,
title = {CuriGS: Curriculum-Guided Gaussian Splatting for Sparse View Synthesis},
author = {Zijian Wu and Mingfeng Jiang and Zidian Lin and Ying Song and Hanjie Ma and Qun Wu and Dongping Zhang and Guiyang Pu},
journal= {arXiv preprint arXiv:2511.16030},
year = {2026}
}