EGG-Fusion：基于几何感知高斯surfel的高效实时3D重建
计算机视觉与模式识别
2025-12-02 v1
摘要
实时3D重建是计算机图形学中的基础任务。近期，基于可微渲染的SLAM系统展示了显著潜力，通过神经辐射场（NeRF）和3D高斯溅射（3DGS）等可学习场景表示实现逼真场景渲染。当前可微渲染方法面临实时计算与传感器噪声敏感性的双重挑战，导致场景重建的几何保真度下降和实用性受限。为应对这些挑战，我们提出一种新颖的实时系统EGG-Fusion，其特点包括鲁棒的稀疏到密集相机跟踪和几何感知高斯surfel映射模块，引入了一种显式考虑传感器噪声的信息滤波融合方法，以实现高精度表面重建。所提出的可微高斯surfel映射有效建模了多视角一致表面，同时支持高效参数优化。大量实验结果表明，所提系统在Replica和ScanNet++等标准化基准数据集上实现了0.6厘米的表面重建误差，相比最先进（SOTA）的基于GS的方法精度提升超过20%。值得注意的是，该系统以24 FPS维持实时处理能力，使其成为最精确的可微渲染实时重建系统之一。项目页面：https://zju3dv.github.io/eggfusion/
引用
@article{arxiv.2512.01296,
title = {EGG-Fusion: Efficient 3D Reconstruction with Geometry-aware Gaussian Surfel on the Fly},
author = {Xiaokun Pan and Zhenzhe Li and Zhichao Ye and Hongjia Zhai and Guofeng Zhang},
journal= {arXiv preprint arXiv:2512.01296},
year = {2025}
}
备注
SIGGRAPH ASIA 2025