面向高保真 3D 高斯溅描超分辨率的内部-外部知识融合框架
计算机视觉与模式识别
2025-12-01 v1
摘要
从低分辨率（LR）输入重建高分辨率（HR）3D 高斯溅描（3DGS）模型仍具有挑战性，主要由于缺乏细粒度纹理和几何信息。现有方法通常依赖预训练的 2D 超分辨率（2DSR）模型来增强纹理，但因跨视角不一致性和 2DSR 模型固有的领域差距导致 3D 高斯点模糊性问题。我们提出 IE-SRGS，一种新型 3DGS 超分辨率范式，通过联合利用外部 2DSR 先验和内部 3DGS 特征的互补优势来解决此问题。具体而言，我们使用 2DSR 和深度估计模型生成 HR 图像和深度图作为外部知识，并采用多尺度 3DGS 模型产生跨视角一致、领域自适应的对应特征作为内部知识。引入基于掩码的融合策略以整合这两个知识来源，充分发挥其互补优势，有效引导 3D 高斯优化 toward 高保真重建。在合成和真实世界基准测试上，IE-SRGS 在定量精度和视觉保真度方面均一致优于最先进的方法。
引用
@article{arxiv.2511.22233,
title = {IE-SRGS: An Internal-External Knowledge Fusion Framework for High-Fidelity 3D Gaussian Splatting Super-Resolution},
author = {Xiang Feng and Tieshi Zhong and Shuo Chang and Weiliu Wang and Chengkai Wang and Yifei Chen and Yuhe Wang and Zhenzhong Kuang and Xuefei Yin and Yanming Zhu},
journal= {arXiv preprint arXiv:2511.22233},
year = {2025}
}
备注
AAAI 2026