基于混合高斯泼溅的整体大规模场景重建
计算机视觉与模式识别
2025-05-30 v1
摘要
3D Gaussian Splatting 的最新进展在新视角合成方面展现出了显著潜力。然而，现有的大多数大规模场景重建方法依赖于分治范式，由于场景划分和局部优化，这通常会导致全局场景信息丢失并需要复杂的参数调优。为了解决这些局限性，我们提出了 MixGS，一种用于大规模 3D 场景重建的新型整体优化框架。MixGS 通过将相机位姿和高斯属性整合到视图感知表示中，对整个场景进行整体建模，并将其解码为精细的高斯。此外，一种新型的混合操作将解码后的高斯与原始高斯相结合，以共同保持全局一致性和局部保真度。在大规模场景上的大量实验表明，MixGS 实现了 SOTA 的渲染质量和极具竞争力的速度，同时显著降低了计算需求，使得在单个 24GB VRAM GPU 上进行大规模场景重建训练成为可能。代码将发布于 https://github.com/azhuantou/MixGS。
引用
@article{arxiv.2505.23280,
title = {Holistic Large-Scale Scene Reconstruction via Mixed Gaussian Splatting},
author = {Chuandong Liu and Huijiao Wang and Lei Yu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2505.23280},
year = {2025}
}