KeyGS：基于关键帧的单摄影图序列高斯溅射方法

从稀疏二维图像重建高质量3D模型一直是计算机视觉中的热门研究方向。最近，3D高斯溅射（3DGS）因其显式表示、高效训练速度和实时渲染能力而受到关注。然而，现有方法仍严依赖于准确的相机姿态进行重建。虽然有些近期方法尝试在单摄影视频数据集上训练3DGS模型而无需结构从运动（SfM）预处理，但这些方法 suffer 从长时间训练，难以满足实际应用需求。本文提出了一个高效框架，无需任何深度或匹配模型。该框架首先利用SfM在秒级内快速获取粗略的相机姿态，然后通过利用3DGS的稠密表示对这些姿态进行细化。该框架有效解决了训练时间延长的问题。此外，我们将密集化过程与联合细化集成，提出了粗到细频率感知密集化方法，以重建不同层次的细节。该方法防止了相机姿态估计被高频信号陷入局部最小值或漂移。我们的方法将训练时间从数小时缩短至数分钟，同时在新视图合成和相机姿态估计方面优于先前方法。