野外高斯：面向无约束图像集合的三维高斯泼溅
计算机视觉与模式识别
2024-07-16 v2
摘要
从无约束的野外图像进行新视角合成仍然是一项有意义但具有挑战性的任务。这些无约束图像中的光度变化和瞬态遮挡物使得准确重建原始场景变得困难。以往的方法通过在神经辐射场(NeRF)中引入全局外观特征来解决该问题。然而，在现实世界中，场景中每个微小点的独特外观由其独立的固有材料属性以及所接收的不同环境影响决定。受此启发，我们提出了野外高斯(GS-W)，一种使用三维高斯点重建场景的方法，并为每个点引入分离的固有和动态外观特征，以捕获不变场景外观以及光照和天气等动态变化。此外，提出了一种自适应采样策略，使每个高斯点能够更有效地关注局部和细节信息。我们还利用二维可见性图减少了瞬态遮挡物的影响。更多实验表明，与基于NeRF的方法相比，GS-W具有更好的重建质量和细节，且渲染速度更快。视频结果和代码可在https://eastbeanzhang.github.io/GS-W/获取。
引用
@article{arxiv.2403.15704,
title = {Gaussian in the Wild: 3D Gaussian Splatting for Unconstrained Image Collections},
author = {Dongbin Zhang and Chuming Wang and Weitao Wang and Peihao Li and Minghan Qin and Haoqian Wang},
journal= {arXiv preprint arXiv:2403.15704},
year = {2024}
}