DeSplat：用于无干扰渲染的分解高斯溅射
计算机视觉与模式识别
2025-03-27 v2 机器学习
摘要
高斯溅射使静态 3D 环境的快速新视角合成成为可能。然而，重建真实世界环境仍具有挑战性，因为干扰项或遮挡物破坏了用于准确 3D 重建的多视图一致性假设。大多数现有方法依赖来自预训练模型的外部语义信息，引入额外的计算开销作为预处理步骤或在优化期间。在本工作中，我们提出了一种新方法 DeSplat，直接基于高斯原始的体渲染分离干扰项和静态场景元素。我们在每个摄像机视角中初始化高斯来重建视角特定的干扰项，以分别对静态 3D 场景和干扰项进行 alpha 混合阶段建模。DeSplat 产生了静态元素和干扰项的显式场景分离，在不牺牲渲染速度的情况下实现了与先前无干扰方法相当的效果。我们在三个基准数据集上展示了 DeSplat 在无干扰新视角合成方面的有效性。项目网址为 https://aaltoml.github.io/desplat/。
引用
@article{arxiv.2411.19756,
title = {DeSplat: Decomposed Gaussian Splatting for Distractor-Free Rendering},
author = {Yihao Wang and Marcus Klasson and Matias Turkulainen and Shuzhe Wang and Juho Kannala and Arno Solin},
journal= {arXiv preprint arXiv:2411.19756},
year = {2025}
}