GaussReg：基于高斯溅写的快速 3D 配准
计算机视觉与模式识别
2024-07-09 v1
摘要
点云配准是大规模 3D 场景扫描与重建的基本问题。随着深度学习的发展，配准方法取得了显著进展，已接近成熟阶段。随着 Neural Radiance Fields (NeRF) 的引入，其成为最流行的 3D 场景表示方法，凭借强大的视觉合成能力。在 NeRF 表示下，大规模场景重建仍需进行配准，但该议题极大程度上缺乏探索。这源于隐式表示难以建模两个场景间的几何关系。现有方法通常将隐式表示转换为显式表示后再进行配准。最近，高斯溅写 (Gaussian Splatting, GS) 被引入，采用显式 3D 高斯，显著提升渲染速度且保持高质量。本文针对两个具有显式 GS 表示的场景，探讨其 3D 配准任务。为此，我们提出 GaussReg，一种新颖的粗到细框架，既快又准。粗阶段遵循现有点云配准方法，对来自 GS 的点云进行粗略对齐。我们进一步提出一种基于图像引导的细配准方法，通过从 GS 渲染图像获取更详细的几何信息以实现精确对齐。为支持全面评估，我们构建了名为 ScanNet-GSReg 的场景级数据集，包含 1379 个场景，来自 ScanNet 数据集；同时收集了野外数据集 GSReg。实验结果表明，我们的方法在多个数据集上实现了最新水平性能。与 HLoc (SuperPoint 作为特征提取器，SuperGlue 作为匹配器) 相比，GaussReg 快 44 倍且精度相当。
引用
@article{arxiv.2407.05254,
title = {GaussReg: Fast 3D Registration with Gaussian Splatting},
author = {Jiahao Chang and Yinglin Xu and Yihao Li and Yuantao Chen and Xiaoguang Han},
journal= {arXiv preprint arXiv:2407.05254},
year = {2024}
}
备注
ECCV 2024