iGaussian：基于 feed-forward 3D 高斯斯platting 反卷积的实时相机姿态估计

近期趋势在 SLAM 和视觉导航中广泛采用 3D 高斯作为首选场景表示，凸显了从单张图像估计相机姿态的重要性，这需要基于预构建的高斯模型。然而，现有方法通常依赖迭代的 render-compare-refine 循环：首先使用 NeRF 或 Gaussian Splatting 渲染候选视图，然后与目标图像比较，最后利用差异更新姿态。这一多轮过程带来显著的计算开销，限制了在机器人上实现实时性能。本文提出 iGaussian，一个两阶段 feed-forward 框架，通过直接 3D 高斯反卷积实现实时相机姿态估计。我们的方法首先通过基于 Gaussian Scene Prior 的姿态回归网络进行粗略 6DoF 姿态估计，采用空间均匀采样和引导注意力机制，然后通过特征匹配和多模型融合进行细化。我们的关键贡献在于一个无需可微渲染的 cross-correlation 模块，将图像嵌入与 3D 高斯属性对齐，搭配一个加权多视角预测器（Weighted Multiview Predictor），融合来自多个战略采样视角的特征。在 NeRF Synthetic、Mip-NeRF 360 和 T&T+DB 数据集上的实验结果表明，我们的方法在先前方法上显著提升，将中位数旋转误差降至 0.2{\deg}，同时在移动机器人上实现 2.87 FPS 的跟踪，这在优化方法中实现了惊人的 10 倍加速。代码：https://github.com/pythongod-exe/iGaussian