基于 3D 高斯溶解的 GS-CPR：高效相机姿态细化
计算机视觉与模式识别
2025-03-04 v4
摘要
我们利用 3D 高斯溶解（3DGS）作为场景表示,提出一种新颖的测试时相机姿态细化（CPR）框架,即 GS-CPR。该框架增强了最先进的绝对姿态回归和场景坐标回归方法的局化精度。3DGS 模型渲染出高质量的合成图像和深度图，以促进 2D-3D 对应关系的建立。GS-CPR 无需训练特征提取器或描述子,即可直接在 RGB 图像上操作,利用 3D 基础模型 MASt3R 实现精确的 2D 匹配。为提高该模型在挑战性户外环境中的鲁棒性,我们在 3DGS 框架中包含了一个基于曝光自适应的模块。因此,GS-CPR 可就给定的单个 RGB 查询和粗糙的初始姿态估计实现高效的单次姿态细化。我们提出的方法在室内和户外视觉定位基准测试中在准确性和运行时间方面均优于领先的 NeRF 基于优化方法,在两个室内数据集上实现了新的最佳准确性。项目页面可在 https://xrim-lab.github.io/GS-CPR/ 查看。
引用
@article{arxiv.2408.11085,
title = {GS-CPR: Efficient Camera Pose Refinement via 3D Gaussian Splatting},
author = {Changkun Liu and Shuai Chen and Yash Bhalgat and Siyan Hu and Ming Cheng and Zirui Wang and Victor Adrian Prisacariu and Tristan Braud},
journal= {arXiv preprint arXiv:2408.11085},
year = {2025}
}
备注
Accepted to International Conference on Learning Representations (ICLR) 2025. During the ICLR review process, we changed the name of our framework from GSLoc to GS-CPR (Camera Pose Refinement), according to reviewers' comments. The project page is available at https://xrim-lab.github.io/GS-CPR/