低频优先：消除3D高斯溅射中的浮动误差
计算机视觉与模式识别
2025-10-20 v3
摘要
3D 高斯溅射(3DGS)是一种强大且计算效率高的3D重建表示。尽管具有上述优势，3DGS常常产生浮动误差，这些误差是与实际几何形状分离的错误结构，显著降低视觉保真度。导致这些误差的底层机制，特别是在低质量初始化场景中，尚未完全探讨。本文从频率域视角考察浮动误差的来源并识别低优化高斯为主要来源。基于我们的分析，我们提出消除浮动误差的高斯溅射(EFA-GS)，该方法选择性地扩张低优化高斯以优先进行准确的低频学习。此外，我们引入基于深度和尺度的补充策略，以动态细化高斯扩张，有效减轻细节流失。在合成数据和真实世界数据集上的大量实验表明，EFA-GS显著减少浮动误差，同时保留高频细节，在我们构建的RWLQ数据集上相对于基线方法提高了1.68 dB的PSNR。进一步，我们验证了该方法在下游3D编辑任务中的有效性。项目网站: https://jcwang-gh.github.io/EFA-GS
引用
@article{arxiv.2508.02493,
title = {Low-Frequency First: Eliminating Floating Artifacts in 3D Gaussian Splatting},
author = {Jianchao Wang and Peng Zhou and Cen Li and Rong Quan and Jie Qin},
journal= {arXiv preprint arXiv:2508.02493},
year = {2025}
}
备注
Our paper has been accepted by the 24th International Conference on Cyberworlds and recieved the Best Paper Honorable Mention