MVGS：多视角受控高斯溅写，用于新视角合成
计算机视觉与模式识别
2026-02-06 v3
摘要
最近的体积渲染工作，如NeRF和3D高斯溅写（3DGS），在利用学习的隐式辐射场或3D高斯的帮助下，显著提升了渲染质量和效率。基于显式表示进行渲染，原始3DGS及其变体通过优化单个视角的训练迭代中采用的参数模型（源自NeRF），从而实现实时效率。Consequently，某些视角被过拟合，导致在新视角合成中呈现不满意的外观和不精确的3D几何。为了解决上述问题，我们提出了一种新的3DGS优化方法，包含四个关键新贡献：1）我们将常规的单视角训练范式转化为多视角训练策略。通过我们提出的多视角调节，3D高斯属性在不过拟合特定训练视角的前提下进一步优化。作为一种通用解决方案，我们在各种场景和不同高斯变体中提高了整体准确性。2）受益于额外视角的引入，我们进一步提出了一种跨内在指导方案，形成针对不同分辨率的粗到细训练程序。3）基于我们多视角受控训练，我们进一步提出了一种跨射线稀疏策略，在来自多个视角的射线相交区域稀疏更多高斯核。4）通过进一步调查稀疏策略，我们发现稀疏效果应在某些视角差异显著时得到增强。为此，我们提出了一种新型多视角增强稀疏策略，其中鼓励3D高斯根据需要获得足够数量的稀疏，从而提高了重建准确性。
引用
@article{arxiv.2410.02103,
title = {MVGS: Multi-view Regulated Gaussian Splatting for Novel View Synthesis},
author = {Xiaobiao Du and Yida Wang and Xin Yu},
journal= {arXiv preprint arXiv:2410.02103},
year = {2026}
}
备注
Project Page:https://xiaobiaodu.github.io/mvgs-project/