HBSplat：基于混合损失引导深度与双向变形的鲁棒稀疏视图高斯重建
计算机视觉与模式识别
2025-10-09 v3
摘要
从稀疏视图进行新视图合成（NVS）是 3D 重建中的一项严峻挑战，有限的多视图约束会导致严重的过拟合、几何畸变和场景碎片化。虽然 3D Gaussian Splatting（3DGS）能够实现实时、高保真渲染，但其在稀疏输入下的性能急剧下降，受悬浮伪影和结构失效的困扰。为了应对这些挑战，我们引入了 HBSplat，这是一个通过无缝整合鲁棒结构线索、虚拟视图约束和遮挡区域补全来提升 3DGS 的统一框架。我们的核心贡献有三点：一是混合损失深度估计模块，该模块利用密集匹配先验并整合重投影、点传播和平滑度约束，以确保多视图一致性；二是双向变形虚拟视图合成方法，该方法通过双向深度图像变形和多视图融合创建高保真虚拟视图，从而施加实质上更强的约束；三是遮挡感知重建组件，该组件使用深度差异掩码和基于学习的图像修复模型来恢复遮挡区域。在 LLFF、Blender 和 DTU 基准上的广泛评估验证了 HBSplat 创下了新的 SOTA，实现了高达 21.13 dB 的 PSNR 和 0.189 的 LPIPS，同时保持了实时推理。代码获取地址：https://github.com/eternalland/HBSplat。
引用
@article{arxiv.2509.24893,
title = {HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping},
author = {Yu Ma and Guoliang Wei and Haihong Xiao and Yue Cheng},
journal= {arXiv preprint arXiv:2509.24893},
year = {2025}
}
备注
14 pages, 21 figures