ForestSplats：面向野外高斯泼溅的可变形瞬态场
计算机视觉与模式识别
2025-09-12 v3
摘要
最近，3D 高斯泼溅 (3D-GS) 出现，在静态场景中展示了实时渲染速度和高质量结果。尽管 3D-GS 在静态场景中表现出有效性，但由于瞬态物体、光照变化和不同程度的遮挡，其在真实环境中的性能显著下降。为了解决这个问题，现有方法通过利用预训练模型或集成额外的瞬态场流程来估计遮挡物或瞬态元素。然而，这些方法仍然存在两个缺陷：1) 使用来自视觉基础模型 (VFM) 的语义特征会导致额外的计算成本。2) 瞬态场需要大量内存来处理具有逐视图高斯的瞬态元素，并且仅依赖光度误差难以定义遮挡物的清晰边界。为了解决这些问题，我们提出了 ForestSplats，这是一种新颖的方法，它利用可变形瞬态场和超像素感知掩码，在不受约束的图像集合中高效地表示 2D 场景中的瞬态元素，并在无需 VFM 的情况下有效地将静态场景与瞬态干扰物分解开来。我们将瞬态场设计为可变形的，以捕获逐视图瞬态元素。此外，我们引入了超像素感知掩码，通过考虑光度误差和超像素来明确定义遮挡物的边界。另外，我们提出了不确定性感知致密化，以避免在致密化过程中在遮挡物边界内生成高斯。通过在多个基准数据集上的广泛实验，我们证明了 ForestSplats 在没有 VFM 的情况下优于现有方法，并在表示瞬态元素方面显示出显著的内存效率。
引用
@article{arxiv.2503.06179,
title = {ForestSplats: Deformable transient field for Gaussian Splatting in the Wild},
author = {Wongi Park and Myeongseok Nam and Siwon Kim and Sangwoo Jo and Soomok Lee},
journal= {arXiv preprint arXiv:2503.06179},
year = {2025}
}