DroneSplat：基于3D高斯溶解的野外无人机影像稳健3D重建
计算机视觉与模式识别
2025-03-24 v1
摘要
无人机因其出色的机动性而成为重建野外场景的重要工具。最近的辐射场方法在渲染质量方面取得了显著进展，为从无人机影像中进行3D重建提供了新途径。然而，野外环境中的动态干扰因素挑战了辐射场中的静态场景假设，而有限的视角约束则阻碍了对底层场景几何结构的准确捕获。为此，我们提出了DroneSplat——一个专为从野外无人机影像中进行稳健3D重建而设计的新型框架。该方法通过整合局部-全局分割启发式方法与统计方法，自适应调整掩码阈值，从而实现对静态场景中动态干扰因素的精准识别与消除。我们将3D高斯溶解与多视图立体预测相结合，并引入基于体素的优化策略，以支持在视角受限的情况下实现高质量渲染。为进行全面评估，我们提供了一个包含动态与静态场景的无人机捕获的3D重建数据集。大量实验表明，DroneSplat在处理野外无人机影像方面优于3DGS和NeRF基线方法。
引用
@article{arxiv.2503.16964,
title = {DroneSplat: 3D Gaussian Splatting for Robust 3D Reconstruction from In-the-Wild Drone Imagery},
author = {Jiadong Tang and Yu Gao and Dianyi Yang and Liqi Yan and Yufeng Yue and Yi Yang},
journal= {arXiv preprint arXiv:2503.16964},
year = {2025}
}