HO-Gaussian：用于城市场景的3D高斯溅写混合优化
计算机视觉与模式识别
2024-04-01 v1
摘要
3D高斯溅写(3DGS)的快速发展 revolutionized了神经渲染, 使其能够实时生产高质量的渲染.然而, 之前的3DGS-based方法在城市场景中存在局限性, 由于依赖初始结构从运动(SfM)点, 以及在渲染远处、天空和低纹理区域方面的困难. 为克服这些挑战, 本文提出一种混合优化方法, 命名为HO-Gaussian, 它结合基于网格的体积与3DGS管道. HO-Gaussian消除了对SfM点初始化的依赖, 允许渲染城市场景, 并在训练期间通过点密度化来增强问题区域的渲染质量.此外, 我们引入了高斯方向编码作为球面谐波在渲染管道中的替代方案, 这使得视图相关颜色表示成为可能.为 account 多摄像机系统, 我们引入神经错位以增强不同摄像机之间的物体一致性.在广泛使用的自动驾驶数据集上进行的实验结果表明, HO-Gaussian能够在多摄像机城市数据集上实现实时高保真渲染.
引用
@article{arxiv.2403.20032,
title = {HO-Gaussian: Hybrid Optimization of 3D Gaussian Splatting for Urban Scenes},
author = {Zhuopeng Li and Yilin Zhang and Chenming Wu and Jianke Zhu and Liangjun Zhang},
journal= {arXiv preprint arXiv:2403.20032},
year = {2024}
}