GSFixer：基于参考引导的视频扩散先验改进 3D 高斯溅写
计算机视觉与模式识别
2025-08-14 v1
摘要
从稀疏视图重建 3D 场景的 3D 高斯溅写（3DGS）是一个信息不足导致明显出现伪影的偏问题。虽然最近的方法试图利用生成式先验来补充不足约束区域的信息，但难以生成与输入观察一致的内容。为此，我们提出 GSFixer——一个改进稀疏输入下 3DGS 表示质量的新型框架。我们方法的核心是基于 DiT 的视频扩散模型，训练于配对的 3DGS 渲染伪影帧与干净帧上，并加入额外的参考基于条件。考虑输入稀疏视图作为参考，我们的模型集成了从视觉几何基础模型中提取的参考视图的 2D 语义特征和 3D 几何特征，增强了修复伪影新视角时的语义一致性和 3D 一致性。此外，鉴于缺乏适合 3DGS 伪影修复评估的基准，我们提出 DL3DV-Res，包含使用低质量 3DGS 渲染的伪影帧。广泛的实验表明，GSFixer 在 3DGS 伪影修复和稀疏视图 3D 重建方面超越当前最先进的方法。项目页面：https://github.com/GVCLab/GSFixer。
引用
@article{arxiv.2508.09667,
title = {GSFixer: Improving 3D Gaussian Splatting with Reference-Guided Video Diffusion Priors},
author = {Xingyilang Yin and Qi Zhang and Jiahao Chang and Ying Feng and Qingnan Fan and Xi Yang and Chi-Man Pun and Huaqi Zhang and Xiaodong Cun},
journal= {arXiv preprint arXiv:2508.09667},
year = {2025}
}