基于高斯超标量的带直接高斯监督的3D重建方法GSurf

从多视角图像进行表面重建是3D视觉中的核心挑战。最近的研究尝试在神经辐射场（NeRF）中引入符号距离场（SDF）以实现高保真表面重建。然而，这些方法通常比3D高斯溅写（3D Gaussian Splatting, 3DGS）在训练和渲染速度上存在不足。当前的最新技术试图融合深度信息从3DGS中提取几何信息，但常导致重建不完整或表面碎片化。本文提出GSurf，一种直接从高斯原始块学习符号距离场的端到端方法。SDF的连续光滑特性解决了3DGS系列常见问题，如因深度数据噪声或缺失导致的洞穴。通过使用高斯溅写进行渲染，GSurf避免了其他GS和SDF集成中通常需要的体渲染，从而实现更快的训练和渲染速度，同时保持与VolSDF和NeuS等神经隐式表面方法相当的3D重建质量。在 various benchmark 数据集上的实验结果表明，我们的方法在生成高保真3D重建方面效果显著。