DGTR：面向稀疏视角大场景的分布式高斯 Turbo 重建
计算机视觉与模式识别
2024-11-21 v2
摘要
新视角合成方法在大场景重建中发挥着关键作用。然而，这些方法严重依赖密集的图像输入和漫长的训练时间，使其在计算资源受限的情况下不适用。此外，少样本方法在广阔环境中往往难以保证良好的重建质量。本文提出了 DGTR，一种用于稀疏视角大场景高效高斯重建的新型分布式框架。我们的方法将场景划分为多个区域，由无人机以稀疏图像输入独立处理。使用前馈高斯模型，我们预测高质量的高斯基元，随后通过全局对齐算法确保几何一致性。合成视角和深度先验被引入以进一步增强训练，同时基于蒸馏的模型聚合机制实现了高效重建。我们的方法在显著减少的训练时间内实现了高质量的大规模场景重建和新视角合成，在速度和可扩展性上均优于现有方法。我们在广阔的航拍场景上展示了我们框架的有效性，在几分钟内实现了高质量结果。代码将在我们的 [https://3d-aigc.github.io/DGTR] 上发布。
引用
@article{arxiv.2411.12309,
title = {DGTR: Distributed Gaussian Turbo-Reconstruction for Sparse-View Vast Scenes},
author = {Hao Li and Yuanyuan Gao and Haosong Peng and Chenming Wu and Weicai Ye and Yufeng Zhan and Chen Zhao and Dingwen Zhang and Jingdong Wang and Junwei Han},
journal= {arXiv preprint arXiv:2411.12309},
year = {2024}
}
备注
Code will released on our [https://3d-aigc.github.io/DGTR]