EGSRAL：一种基于增强 3D Gaussian Splatting 并带自动标注的大规模驾驶场景渲染器
计算机视觉与模式识别
2024-12-23 v1
摘要
3D Gaussian Splatting (3D GS) 因其更快的渲染速度和高质量的新视角合成而受到广泛关注。一些研究人员已探索使用 3D GS 重建驾驶场景。然而，这些方法通常依赖多种数据类型，如深度图、3D 边界框和运动物体的轨迹。此外，合成图像缺乏标注限制了其在下游任务中的直接应用。为解决这些问题，我们提出了 EGSRAL，一种仅依赖训练图像而无需额外标注的 3D GS 方法。EGSRAL 增强了 3D GS 对动态物体和静态背景的建模能力，并引入了一种新颖的自动标注适配器，基于现有标注生成相应的标注。我们还提出了一种针对原始 3D GS 的分组策略，以解决渲染大规模复杂场景时的透视问题。我们的方法在多个数据集上实现了 SOTA 性能，且无需任何额外标注。例如，在 nuScenes 数据集上 PSNR 指标达到 29.04。此外，我们的自动标注可以显著提升 2D/3D 检测任务的性能。代码可在 https://github.com/jiangxb98/EGSRAL 获取。
引用
@article{arxiv.2412.15550,
title = {EGSRAL: An Enhanced 3D Gaussian Splatting based Renderer with Automated Labeling for Large-Scale Driving Scene},
author = {Yixiong Huo and Guangfeng Jiang and Hongyang Wei and Ji Liu and Song Zhang and Han Liu and Xingliang Huang and Mingjie Lu and Jinzhang Peng and Dong Li and Lu Tian and Emad Barsoum},
journal= {arXiv preprint arXiv:2412.15550},
year = {2024}
}
备注
AAAI2025