GOR-IS：基于固有空间的 3D 高斯对象移除
计算机视觉与模式识别
2026-05-04 v1
摘要
近期神经辐射场 (NeRF) 和 3D 高斯溶解 (3DGS) 的快速发展，使从多视角图像重建 3D 场景已成为常规做法。从此类 3D 表示中移除对象是一项基础的编辑任务，需要完成被遮挡区域的完整且无缝的填充，以确保几何与外观的一致性。虽然现有方法在改善填充一致性方面取得了显著进展，但往往忽视全局光照效应，导致结果在物理上不够合理。此外，这些方法在处理视点依赖的非朗伯表面时常有困难，即表面外观随视点变化，导致填充不可靠。本文提出了在固有空间中进行的 3D 高斯对象移除 (GOR-IS)，一种用于实现物理一致性和视觉连贯性的 3D 对象移除框架。我们的方法将场景分解为固有组成部分，显式建模光传输以维持全局光照效应的一致性。进一步，我们引入了 operate directly in the material and lighting domains 的固有空间填充模块，直接在材料和光照领域中操作，有效应对非朗伯表面的挑战。大量在合成数据和真实世界数据集上的实验表明，我们的框架在物理一致性和视觉连贯性方面显著提升，分别在感知相似度 (LPIPS) 上提升 13%，峰值信噪比 (PSNR) 上提升 2dB。代码已公开访问于 https://applezyh.github.io/GOR-IS-project-page/。
引用
@article{arxiv.2605.00498,
title = {GOR-IS: 3D Gaussian Object Removal in the Intrinsic Space},
author = {Yonghao Zhao and Yupeng Gao and Jian Yang and Jin Xie and Beibei Wang},
journal= {arXiv preprint arXiv:2605.00498},
year = {2026}
}