NexusGS：基于三维高斯溅写的稀疏视图合成中的焦点深度先验
计算机视觉与模式识别
2025-03-25 v1
摘要
神经辐射场（NeRF）和三维高斯溅写（3DGS）已显著推进了基于稠密相机视角图像的照片级新视角合成，但在少量样本场景中仍面临监督信息不足的挑战。本文提出NexusGS，一种基于3DGS的方法，通过直接将深度信息嵌入点云来增强稀疏视图图像的新视角合成，无需依赖复杂的人工正则化。利用3DGS内在的焦线几何结构，本方法引入一种新颖的点云稠密化策略，以稠密点云初始化3DGS，减少点 Placement 的随机性，同时防止过平滑和过拟合。具体而言，NexusGS 包含三个关键步骤：焦线深度联结、鲁棒深度融合与经流过滤深度剪枝。这些步骤利用光流和相机姿态计算精确深度图，同时减轻光流常伴随的误差。通过融合焦线深度先验，NexusGS 确保了可靠的稠密点云覆盖，支持稀疏视图条件下的稳定3DGS训练。实验表明，NexusGS 在深度准确性和渲染质量方面显著提升，凭借显著的优势超过当前最先进的方法。进一步地，我们通过大幅提升竞争方法的性能来验证所生成点云的优越性。项目页面：https://usmizuki.github.io/NexusGS/。
引用
@article{arxiv.2503.18794,
title = {NexusGS: Sparse View Synthesis with Epipolar Depth Priors in 3D Gaussian Splatting},
author = {Yulong Zheng and Zicheng Jiang and Shengfeng He and Yandu Sun and Junyu Dong and Huaidong Zhang and Yong Du},
journal= {arXiv preprint arXiv:2503.18794},
year = {2025}
}
备注
This paper is accepted by CVPR 2025