通过 3D 高斯溅写 Direct 学习网格与外观
计算机视觉与模式识别
2025-04-22 v3
摘要
准确重建包含显式几何信息的 3D 场景既引人入目又具挑战性。几何重建可通过融合可微分外观模型（如神经辐射场和 3D 高斯溅写）来获得帮助。然而，现有方法因间接几何学习和独立建模几何与表面外观的范式而面临效率问题。本文提出一种可学习的场景模型，将 3DGS 与显式几何表示（即网格）相结合。该模型以端到端方式学习网格与外观，其中我们将 3D 高斯绑定到网格面，并对 3DGS 进行可微分渲染以获得光度监督。该模型为监督学习 3DGS 和网格提供了有效的信息通道。实验结果表明，所学场景模型不仅提高了效率和渲染质量，还能够通过显式网格实现操控。此外，我们的模型在端到端学习网格与外观方面具有独特优势，能够适应场景更新。
引用
@article{arxiv.2405.06945,
title = {Direct Learning of Mesh and Appearance via 3D Gaussian Splatting},
author = {Ancheng Lin and Yusheng Xiang and Paul Kennedy and Jun Li},
journal= {arXiv preprint arXiv:2405.06945},
year = {2025}
}