GloSplat：用于更快更准确三维重建的联合姿态-外观优化
计算机视觉与模式识别
2026-03-06 v1 图形学
摘要
特征提取、匹配、结构从运动 (SfM) 以及新视角合成 (NVS) 传统上被视为具有独立优化目标的独立问题。我们提出 GloSplat，一个在三维高斯溅写训练期间执行联合姿态-外观优化的框架。不同于依赖纯光度梯度进行姿态 refinement 的先前联合优化方法 (BARF、NeRF--、3RGS)，GloSplat 在训练过程中保持显式的 SfM 特征轨迹作为一等实体：轨迹的三维点作为与高斯原始体分离的可优化参数而被维持，通过一个在光度监督之上运行的重投影损失提供持久的几何锚点。这种架构选择防止了早期阶段的姿态漂移，同时启用了细粒度的精炼——这种能力在光度唯一方法中不存在。我们引入两种管道变体：(1) 采用检索式配对选择的无 COLMAP 变体 GloSplat-F，(2) 用于最大质量的穷举匹配变体 GloSplat-A。两种方法都采用全局 SfM 初始化，然后在 3DGS 训练期间进行联合光度-几何优化。实验表明，GloSplat-F 在无 COLMAP 方法中实现了最前沿性能，而 GloSplat-A 超越了所有基于 COLMAP 的基线。
引用
@article{arxiv.2603.04847,
title = {GloSplat: Joint Pose-Appearance Optimization for Faster and More Accurate 3D Reconstruction},
author = {Tianyu Xiong and Rui Li and Linjie Li and Jiaqi Yang},
journal= {arXiv preprint arXiv:2603.04847},
year = {2026}
}