用于动态城市环境场景重建的3D高斯溅写
信号处理
2024-09-17 v1
摘要
本文提出了DENSER方法，利用3D高斯溅写（3DGS）高效有效地重建动态城市环境。虽然多个用于场景重建的光滑方法，既隐式使用神经辐射场（NeRF），又显式使用3DGS，都在相对复杂的动态场景中显示出有前景的成果，但对前景对象动态外观建模往往具有挑战，限制了这些方法捕捉场景细微细节和远处动态对象的适用性。为此，我们提出DENSER框架，显著增强了动态对象的表示，并准确地建模了动态对象在驾驶场景中的外观。我们不直接使用球谐函数（SH）来建模动态对象的外观，而是引入并集成一种新方法，旨在动态估计SH基，使动态对象外观在空间和时间上的表示更好。除对象外观外，DENSER通过在多个场景帧中增加点云密度来增强对象形状表示，实现更快的模型训练收敛。在KITTI数据集上进行的广泛评估表明，所提出的方法在与当前最先进方法之间显著优越。源代码和模型将上传至本存储库 https://github.com/sntubix/denser
引用
@article{arxiv.2409.10040,
title = {Enhancing HAP Networks with Reconfigurable Intelligent Surfaces},
author = {Islam M. Tanash and Ayush Kumar Dwivedi and Fatemeh Rafiei Maleki and Taneli Riihonen},
journal= {arXiv preprint arXiv:2409.10040},
year = {2024}
}