D$^2$GS：基于深度与密度引导的高斯溅射用于稳定且准确的稀疏视图重建
计算机视觉与模式识别
2025-10-10 v1
摘要
最近的 3D 高斯溅射（3DGS）技术使 novel view synthesis（NVS）实现实时、高保真的渲染，基于显式 3D 表示。然而，在稀疏视图条件下仍存在显著的性能退化和不稳定性。本文识别了稀疏视图下的两种关键失效模式：(1) 高斯密度过高、靠近摄像机的区域过拟合；(2) 远离摄像机、高斯覆盖不足的区域欠拟合。为此，我们提出统一框架 DGS，包含两个关键组件：基于深度与密度的 Dropout 策略，通过自适应屏蔽基于密度和深度的多余高斯来抑制过拟合；以及基于距离的保真度增强模块，通过针对性监督提升远场区域的重建质量。此外，我们引入新评估指标量化已学习高斯分布的稳定性，为稀疏视图 3DGS 的鲁棒性提供洞见。多个数据集上的大量实验表明，我们的方法显著提升了稀疏视图条件下的视觉质量和鲁棒性。项目页面可访问：https://insta360-research-team.github.io/DDGS-website/。
关键词
引用
@article{arxiv.2510.08566,
title = {D$^2$GS: Depth-and-Density Guided Gaussian Splatting for Stable and Accurate Sparse-View Reconstruction},
author = {Meixi Song and Xin Lin and Dizhe Zhang and Haodong Li and Xiangtai Li and Bo Du and Lu Qi},
journal= {arXiv preprint arXiv:2510.08566},
year = {2025}
}