GlowGS：基于夜间发光场景的 3D 高斯溅写生成语义特征学习
计算机视觉与模式识别
2026-05-25 v1
摘要
现有的 3DGS 方法在晴朗场景下有效实现高质量的新视角渲染，但在夜间场景尤其是发光区域难以处理，由于缺乏纹理和边缘等结构特征，这些是溅写式重建的关键线索。为解决此问题，我们利用扩散模型和视觉基础模型（Vision Foundation Model, VFM）来弥补缺失的结构线索。我们的方法包含两个关键新思想：语义特征生成和新视角语义学习。首先，语义特征生成产生高质量的语义特征作为新视角的隐式结构线索。具体而言，扩散模型从训练视角合成未知相机位姿的新视角，而 VFM 对其进行质量评估。一旦确定了高质量的新视角，VFM 提取稳健的特征以构建语义特征库。其次，新视角语义学习使 3DGS 能在不依赖 ground truth 的情况下优化渲染的新视角。它通过从渲染的新视角提取语义特征，在特征库中搜索最相似的特征，并最小化它们之间的距离。此过程强制渲染视图在语义上保持一致，消除人工痕迹。广泛的实验表明，我们的 GlowGS 在生成语义准确的 3D 视图方面效果显著，显著优于现有方法。
引用
@article{arxiv.2605.23602,
title = {GlowGS: Generative Semantic Feature Learning for 3D Gaussian Splatting in Nighttime Glow Scenes},
author = {Beibei Lin and Xiao Cao and Jingyuan Guo and Robby T. Tan},
journal= {arXiv preprint arXiv:2605.23602},
year = {2026}
}
备注
Accepted by CVPR Findings 2026