HarmoGS：通过冲突感知梯度均衡实现野生环境中稳健的3D高斯斯金森
计算机视觉与模式识别
2026-05-18 v2
摘要
野生环境中的3D高斯斯金森仍具有挑战性，由于瞬时干扰者和引起跨视图外观不一致的照明效应。现有方法主要依赖图像级掩码来抑制不可靠的监督，但仅靠掩码无法完全消除残余遮挡或解决照明引起的不一致，这两种情况都可能引入冲突的跨视图梯度。这些未解决的冲突可能导致高斯优化不稳定并产生可见的重建伪影。我们提出了一种冲突感知的3DGS框架，从图像空间监督和梯度级优化两个层面解决此问题。语义一致性引导的掩码学习学习像素级一致性得分，以适应性地细化先验掩码并在梯度形成前抑制不可靠的监督。进一步地，一种双视图冲突感知梯度均衡策略通过相互旋转将视图特定梯度转化为正交配置，从而减少跨视图的负向方向干扰。我们还引入了冲突感知的密集化和修剪，以稳定高斯的生长并移除持续产生冲突的原始体。广泛的野生环境基准实验表明，我们的方法在复杂瞬时干扰和跨视图不一致性下实现了最先进的渲染质量。
引用
@article{arxiv.2605.13073,
title = {HarmoGS: Robust 3D Gaussian Splatting in the Wild via Conflict-Aware Gradient Harmonization},
author = {Yulei Kang and Tianze Zhu and Jian-Fang Hu and Jianhuang Lai and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2605.13073},
year = {2026}
}