EvolvingGS: 通过演化3D高斯表示实现高保真可流式传输体素视频
计算机视觉与模式识别
2025-03-10 v1
摘要
我们近期在通过显式基于点的三维高斯溅射（3DGS）进行三维场景重建方面取得了显著进展，以其高质量和快速渲染速度著称。然而，重建动态场景（如复杂人体表演的长时长场景）仍然具有挑战性。先前的努力在建模具有剧烈运动、频繁拓扑变化或与道具交互的长序列方面存在不足，转而将整个序列分割为独立处理的帧组，这破坏了时间稳定性，导致不佳的观看体验和低效的存储占用。鉴于这一点，我们引入了EvolvingGS，一种两阶段策略，首先将高斯模型变形以粗略对齐目标帧，然后通过最少的点增减进行细化，特别是在快速变化区域。由于增量演化表示的灵活性，我们的方法在逐帧和时间质量指标方面均优于现有方法，同时通过其纯显式表示保持快速渲染。此外，通过利用连续帧之间的时间一致性，我们提出了一种简单而有效的压缩算法，实现了超过50倍的压缩率。在公共基准和具有挑战性的自定义数据集上的大量实验表明，我们的方法显著推进了动态场景重建的先进水平，特别是针对具有复杂人体表演的扩展序列。
引用
@article{arxiv.2503.05162,
title = {EvolvingGS: High-Fidelity Streamable Volumetric Video via Evolving 3D Gaussian Representation},
author = {Chao Zhang and Yifeng Zhou and Shuheng Wang and Wenfa Li and Degang Wang and Yi Xu and Shaohui Jiao},
journal= {arXiv preprint arXiv:2503.05162},
year = {2025}
}