基于概率性高斯溅射的直接对象级重建
计算机视觉与模式识别
2026-03-17 v1
摘要
对象级3D重建在文化遗产数字化、工业制造和虚拟现实等领域发挥着重要作用。然而，现有基于高斯溅射的方法通常依赖全场景重建，引入大量冗余背景信息，导致计算和存储开销增加。为此，我们提出一种基于2D高斯溅射的高效单对象3D重建方法。通过直接整合前景-背景概率线索于高斯基本要素，并在训练期间动态修剪低概率的高斯点，本方法本质上聚焦于感兴趣的对象，提升了内存与计算效率。我们的管道利用YOLO和SAM生成的概率掩码监督概率性高斯属性，取代二值掩码，采用连续概率值以缓解边界模糊。此外，我们提出了训练启动阶段的双阶段过滤策略以抑制背景高斯点。训练期间，渲染的概率掩码反向用于细化监督，增强跨视角的边界一致性。在MIP-360、T&T和NVOS数据集上进行的实验表明，本方法在掩码错误情况下具备强大的自我纠错能力，重建质量可与标准3DGS方法相当，仅需约其1/10的高斯点数量。这些结果验证了本方法针对单对象重建的高效性与鲁棒性，并凸显其在兼顾高保真度与计算效率场景中的潜在应用价值。
引用
@article{arxiv.2603.14316,
title = {Direct Object-Level Reconstruction via Probabilistic Gaussian Splatting},
author = {Shuai Guo and Ao Guo and Junchao Zhao and Qi Chen and Yuxiang Qi and Zechuan Li and Dong Chen and Tianjia Shao and Mingliang Xu},
journal= {arXiv preprint arXiv:2603.14316},
year = {2026}
}