GSsplat：面向 3D 场景新视角合成的可泛化语义高斯泼溅
图形学
2025-05-09 v1
摘要
从多视角合成未见场景的语义信息对于 3D 场景理解研究至关重要。当前方法通过重建可泛化的神经辐射场，能够渲染新视角图像和语义图，但往往受限于速度和分割性能。我们提出一种可泛化的语义高斯泼溅方法（GSsplat），用于高效的新视角合成。该模型从单次输入中预测场景自适应高斯分布的位姿和属性，取代了传统场景特定高斯泼溅的致密化和剪枝过程。在多任务框架中，我们设计了一个混合网络来提取颜色和语义信息并预测高斯参数。为增强高斯分布的空间感知能力以实现高质量渲染，我们提出了一个基于分组监督的新型偏移学习模块，以及一个具有空间单元聚合的点级交互模块。在使用不同数量的多视图输入进行评估时，GSsplat 以最快的速度实现了语义合成的最先进性能。
引用
@article{arxiv.2505.04659,
title = {GSsplat: Generalizable Semantic Gaussian Splatting for Novel-view Synthesis in 3D Scenes},
author = {Feng Xiao and Hongbin Xu and Wanlin Liang and Wenxiong Kang},
journal= {arXiv preprint arXiv:2505.04659},
year = {2025}
}