EG-Gaussian：基于三视图几何与图网络增强的 3D 高斯溅写
计算机视觉与模式识别
2025-04-21 v1
摘要
本文探讨了一个关于如何从图像重建 3D 场景的开放性研究问题。最近的方法采用 3D 高斯溅写（3DGS）以产生 3D 场景，由于其高效训练过程而备受关注。然而，这些方法可能生成不完整的 3D 场景或模糊的多视图。这是由于（1）3DGS 点初始化不准确以及（2）3DGS 倾向于稀疏视图输入下平坦化 3D 高斯。为此，我们提出了一种新型框架 EG-Gaussian，利用三视图几何和图网络进行 3D 场景重建。初始时，我们将三视图几何整合进 3DGS 初始化阶段，以增强 3DGS 点的初始构建。随后，我们专门设计了一个图学习模块来细化 3DGS 的空间特征，其中我们同时包含相邻点之间的空间坐标和角度关系。在室内和室外基准数据集上的实验表明，我们的方法显著优于基于 3DGS 的方法，实现了更高的重建精度。
引用
@article{arxiv.2504.13540,
title = {EG-Gaussian: Epipolar Geometry and Graph Network Enhanced 3D Gaussian Splatting},
author = {Beizhen Zhao and Yifan Zhou and Zijian Wang and Hao Wang},
journal= {arXiv preprint arXiv:2504.13540},
year = {2025}
}