GauSSmart：通过2D基础模型与几何滤波实现增强3D重建
计算机视觉与模式识别
2025-11-11 v3 图形学
摘要
场景重建是计算机视觉中的核心挑战，NeRF和高斯溅射等方法取得了显著进展。虽然高斯溅射在大规模数据集上表现突出，但常在细节稀疏区域难以捕获细节或维持真实感，主要源于稀疏3D训练数据的局限性。本文提出GauSSmart，一种混合方法，有效桥接2D基础模型与3D高斯溅射重建。我们方法整合了包括凸面积滤波和来自DINO等基础模型的语义特征监督等已建立2D计算机视觉技术，以增强基于高斯的场景重建。通过利用2D分割先验和高维特征嵌入，我们的方法引导高斯溅射的稠密化和细化，改善稀疏区域的覆盖范围，保留精细结构细节。我们在三个数据集上验证了该方法，GauSSmart在大多数评估场景中均优于现有的高斯溅射方法。我们的结果表明，混合2D-3D方法具有重要潜力，阐明了将2D基础模型与3D重建管道相结合，如何克服单一方法所固有的局限性。
引用
@article{arxiv.2510.14270,
title = {GauSSmart: Enhanced 3D Reconstruction through 2D Foundation Models and Geometric Filtering},
author = {Alexander Valverde and Brian Xu and Yuyin Zhou and Meng Xu and Hongyun Wang},
journal= {arXiv preprint arXiv:2510.14270},
year = {2025}
}