LoopSparseGS：基于循环的稀疏视图友好型高斯溅射
计算机视觉与模式识别
2024-08-02 v1
摘要
尽管原始3D高斯溅射(3DGS)在逼真的新视角合成(NVS)方面取得了卓越的表现，但其在稀疏输入视图下的渲染质量显著下降。这种性能下降主要由稀疏输入中生成的初始点数量有限、训练过程中监督不足以及过大的高斯椭球体的正则化不足所致。为处理这些问题，我们提出了LoopSparseGS，一个用于稀疏新视角合成任务的基于循环的3DGS框架。具体而言，我们提出了一种基于循环的渐进式高斯初始化(PGI)策略，能够在训练过程中利用渲染的伪图像迭代稀疏化初始点云。然后，利用来自结构从运动(SfM)的稀疏可靠深度，以及基于窗口的稠密单目深度，通过提出的深度对齐正则化(DAR)提供精确的几何监督。此外，我们引入一种新颖的稀疏友好采样(SFS)策略来处理导致大像素误差的过大的高斯椭球体。四个数据集上的全面实验表明，LoopSparseGS在室内、户外和对象级别的场景中，以及各种图像分辨率下， outperform于现有的领先方法在稀疏输入下的新视角合成。
引用
@article{arxiv.2408.00254,
title = {LoopSparseGS: Loop Based Sparse-View Friendly Gaussian Splatting},
author = {Zhenyu Bao and Guibiao Liao and Kaichen Zhou and Kanglin Liu and Qing Li and Guoping Qiu},
journal= {arXiv preprint arXiv:2408.00254},
year = {2024}
}
备注
13 pages, 10 figures