ICP-3DGS：针对大规模无界场景的无 SfM 3D 高斯散点法
图形学
2025-07-01 v1 计算机视觉与模式识别
摘要
近年来，神经渲染方法如 NeRF 和 3D 高斯散点 (3DGS) 在场景重建和新视角合成方面取得了显著进展。然而，它们高度依赖于结构化运动 (SfM) 预处理后的相机姿态和 3D 结构先验，这在户外场景中难以获得。为此，我们提出将迭代最近点 (ICP) 与基于优化的细化相结合，以实现大幅相机运动下的准确相机姿态估计。此外，我们引入基于体素的场景稠密化方法，以引导大规模场景的重建。实验表明，我们的方法 ICP-3DGS 在相机姿态估计和新视角合成方面，均在室内外各种规模的场景中优于现有方法。源代码已公开：https://github.com/Chenhao-Z/ICP-3DGS。
引用
@article{arxiv.2506.21629,
title = {ICP-3DGS: SfM-free 3D Gaussian Splatting for Large-scale Unbounded Scenes},
author = {Chenhao Zhang and Yezhi Shen and Fengqing Zhu},
journal= {arXiv preprint arXiv:2506.21629},
year = {2025}
}
备注
6 pages, Source code is available at https://github.com/Chenhao-Z/ICP-3DGS. To appear at ICIP 2025