FixingGS：通过免训练分数蒸馏增强3D Gaussian Splatting
计算机视觉与模式识别
2025-09-24 v1
摘要
最近，3D Gaussian Splatting (3DGS) 在3D重建和新视角合成方面取得了显著成功。然而，由于视觉信息不足，从稀疏视角重建3D场景仍然极具挑战性，这会导致3D表示中持续存在明显的伪影。为了解决这一局限性，最近的方法求助于生成先验来去除伪影并补全欠约束区域中缺失的内容。尽管这些方法有效，但它们难以确保多视角一致性，导致结构模糊和难以置信的细节。在这项工作中，我们提出了FixingGS，这是一种免训练方法，充分利用现有扩散模型的能力来增强稀疏视角3DGS重建。FixingGS的核心是我们的蒸馏方法，该方法提供更准确且跨视角一致的扩散先验，从而实现有效的伪影去除和修复。此外，我们提出了一种自适应渐进增强方案，进一步精炼欠约束区域的重建。大量实验表明，FixingGS以卓越的视觉质量和重建性能超越了现有的SOTA方法。我们的代码将公开发布。
引用
@article{arxiv.2509.18759,
title = {FixingGS: Enhancing 3D Gaussian Splatting via Training-Free Score Distillation},
author = {Zhaorui Wang and Yi Gu and Deming Zhou and Renjing Xu},
journal= {arXiv preprint arXiv:2509.18759},
year = {2025}
}