基于高斯溅射香农互信息的主动三维重建 GauSS-MI
图形学
2025-05-01 v1 计算机视觉与模式识别
机器人学
摘要
本研究旨在解决主动视角选择和视觉质量不确定性量化的实时挑战。视觉质量是三维重建的关键方面。近期诸如神经辐射场（NeRF）和三维高斯溅射（3DGS）等技术显著提升了重建模型的图像渲染质量。然而，高效且有效获取重建输入图像——具体而言，选择最具信息性视角——仍是开放性挑战，这对于主动重建至关重要。现有研究主要关注评估几何完整性和探索未观察或未知区域，未能直接评估重建模型内部的视觉不确定性。为填补这一空白，本文引入一种概率模型，量化每个高斯的视觉不确定性。基于香农互信息，我们构建了用于从新视角评估视觉互信息的准则——高斯溅射香农互信息（GauSS-MI），以实现最佳视角选择。GauSS-MI 在集成于视图和运动规划器的主动重建系统中实现。广泛的仿真和真实场景实验表明，所提出的系统在视觉质量和重建效率方面表现优异。
引用
@article{arxiv.2504.21067,
title = {GauSS-MI: Gaussian Splatting Shannon Mutual Information for Active 3D Reconstruction},
author = {Yuhan Xie and Yixi Cai and Yinqiang Zhang and Lei Yang and Jia Pan},
journal= {arXiv preprint arXiv:2504.21067},
year = {2025}
}