利用 Gaussian Splatting 缓解 3D 分类中的歧义

以点云作为输入的 3D 分类是 3D 视觉中的一个基本问题。然而，由于点云表示的离散性及对材质描述的不充分性，在区分线状与平坦表面以及透明或反射物体时存在歧义。为解决这些问题，我们提出了基于 Gaussian Splatting (GS) 点云的 3D 分类。我们发现 GS 点云中的尺度和旋转系数有助于表征表面类型。具体而言，线状表面由多个细长的高斯椭球体组成，而平坦表面由少数扁平的高斯椭球体构成。此外，GS 点云中的不透明度表示物体的透明特性。因此，利用 GS 点云作为输入可以缓解基于点云的 3D 分类中的歧义。为验证 GS 点云输入的有效性，我们构建了该领域首个真实世界 GS 点云数据集，包含 20 个类别，每个类别 200 个物体。实验不仅验证了 GS 点云输入的优越性，特别是在区分具有歧义的物体方面，还展示了其在不同分类方法上的泛化能力。