极端视角：面向超出训练分布的相机位姿的 3DGS 过滤器
计算机视觉与模式识别
2025-10-24 v1 图形学
摘要
当从显著超出训练数据分布的相机位置观察 3D 高斯溶解（3DGS）模型时，常见会出现显著的视觉噪声。这些伪影源于在这些外推区域缺乏训练数据，导致模型对密度、颜色和几何量的预测不确定。为此，我们提出一种新型实时渲染感知的过滤方法。我们的方法利用来自中间梯度的敏感性得分，显式针对由各向异性方向引起的不稳定性，而非各向同性方差。该过滤方法直接针对生成式不确定性的核心问题，使 3D 重建系统即使在用户自由导航至原始训练视角之外的区域时，仍能保持高质量的视觉保真度。实验评估表明，我们的方法在视觉质量、真实性和一致性方面显著优于现有的基于神经辐射场（NeRF）的方法，如 BayesRays。关键的是，我们的过滤器无缝集成到现有的 3DGS 渲染管道中，实现实时运行，不同于需要大量后处理再训练或微调的方法。代码与结果请参见 https://damian-bowness.github.io/EV3DGS
引用
@article{arxiv.2510.20027,
title = {Extreme Views: 3DGS Filter for Novel View Synthesis from Out-of-Distribution Camera Poses},
author = {Damian Bowness and Charalambos Poullis},
journal= {arXiv preprint arXiv:2510.20027},
year = {2025}
}