GS-I³：基于高斯溶解的照明不一致图像表面重建
计算机视觉与模式识别
2025-07-17 v3
摘要
准确的几何表面重建对于实现机器人自我探索和交互至关重要，因为它提供了必需的环境信息。最近，3D 高斯溶解（3DGS）因其卓越的几何质量和计算效率而在表面重建领域获得了广泛关注。虽然近期针对利用 3DGS 实现不一致照明下新视角合成的相关进展显示出前景，但在此条件下实现稳健的表面重建仍在探索中。为此，我们提出了名为 GS-3I 的方法。具体而言，为缓解单视图图像中欠曝区域导致的 3D 高斯优化偏差，基于卷积神经网络（CNN），我们引入了调色映射校正框架。此外，由于相机设置和复杂场景照明的差异，导致多视图图像照明不一致，常常引起几何约束不匹配和重建表面的偏差。为此，我们提出了一种法线补偿机制，将从单视图图像中提取的参考法线与从多视图观察中计算的法线相结合，以有效约束几何不一致。广泛的实验评估表明，GS-3I 能在复杂照明场景下实现稳健且准确的表面重建，凸显其在此关键挑战中的有效性和多样性。https://github.com/TFwang-9527/GS-3I
引用
@article{arxiv.2503.12335,
title = {GS-I$^{3}$: Gaussian Splatting for Surface Reconstruction from Illumination-Inconsistent Images},
author = {Tengfei Wang and Xin Wang and Yongmao Hou and Zhaoning Zhang and Yiwei Xu and Zongqian Zhan},
journal= {arXiv preprint arXiv:2503.12335},
year = {2025}
}