高斯球化网格(GBM)：利用 Google Earth 提取建筑物的 3D 网格
计算机视觉与模式识别
2025-12-23 v3 图形学
摘要
最近发布的开源预训练基础图像分割和目标检测模型（SAM2+GroundingDINO）允许对多视角 2D 图像中感兴趣的物体进行几何一致的分割。用户无需标注训练数据集，即可通过文本或点击提示对感兴趣的物体进行分割。高斯球化技术允许基于 2D 图像学习场景几何和辐射的 3D 表示。结合 Google Earth Studio、SAM2+GroundingDINO、2D 高斯球化以及我们基于形态学操作和轮廓简化的掩码细化改进，构建了一种基于建筑物名称、地址或地理坐标提取其 3D 网格的管线。
引用
@article{arxiv.2501.00625,
title = {Gaussian Building Mesh (GBM): Extract a Building's 3D Mesh with Google Earth and Gaussian Splatting},
author = {Kyle Gao and Liangzhi Li and Hongjie He and Dening Lu and Linlin Xu and Jonathan Li},
journal= {arXiv preprint arXiv:2501.00625},
year = {2025}
}