MILo：基于高斯溅写的面向表面重建的网格-in-the-loop 方法

虽然近期的高斯溅写技术使得从图像快速重建高质量3D场景取得显著进展，但提取准确的表面网格仍然是一个挑战。当前方法通过代价高昂的后处理步骤提取表面，导致细微几何细节丢失或需要大量时间并产生拥有数百万顶点的稠密网格。更根本的问题是，基于体积到表面表示的后验转换限制了最终网格保留训练期间捕获的所有几何结构的能力。我们present了MILo，这是一种新颖的高斯溅写框架，通过不同方式从3D高斯中提取网格，弥合了体积表示与表面表示之间的差距。我们设计了一个在每个迭代步骤中直接从高斯参数中构建网格（包括顶点位置和连通性）的全可微过程，而这些参数是训练期间唯一优化的量。我们的方法引入了三个关键技术贡献：一种双向一致性框架确保高斯和提取网格两种表示都捕获相同的底层几何结构；一种在每个训练迭代中进行的自适应网格提取过程，该过程将高斯用作Delaunay三角形剖分的可微枢轴；一种从3D高斯计算符号距离值的方法，使表面提取能够精确进行而避免几何侵蚀。我们的方法能够重建完整场景（包括背景），实现领先的质量，同时只需前一种方法的数十倍更少的网格顶点。由于其轻量级和空心特性，提取的网格非常适合用于物理仿真或动画等下游应用。