OGGSplat：面向通用重建的开放高斯增长与扩展视场
计算机视觉与模式识别
2025-06-06 v1
摘要
从稀疏视图重建语义感知的 3D 场景是一项具有挑战性又至关重要的研究方向,这驱动着如虚拟现实和具身 AI 等新兴应用的需求。现有的 per-scene 优化方法需要密集输入视图且计算成本高,而通用方法往往难以重建输入视锥之外的区域。本文我们提出了 OGGSplat,一种用于通用 3D 重建的开放高斯增长方法,以扩展视场。我们的关键洞察是,开放高斯的语义属性为图像外推提供了强先验,从而实现语义一致性和视觉合理性。具体而言,一旦从稀疏视图初始化开放高斯,我们引入一个应用于所选渲染视图的 RGB-语义一致性填充模块。该模块在图像扩散模型和语义扩散模型之间强制实现双向控制。填充的区域然后被提升回 3D 空间以实现高效和渐进式的高斯参数优化。为评估我们的方法,我们建立了一个高斯外推 (GO) 基准,该基准评估重建开放词汇场景的语义和生成质量。OGGSplat 也在提供两个来自智能手机相机直接捕获的视图时,展示了有前景的语义感知场景重建能力。
引用
@article{arxiv.2506.05204,
title = {OGGSplat: Open Gaussian Growing for Generalizable Reconstruction with Expanded Field-of-View},
author = {Yanbo Wang and Ziyi Wang and Wenzhao Zheng and Jie Zhou and Jiwen Lu},
journal= {arXiv preprint arXiv:2506.05204},
year = {2025}
}