OMeGa：面向稳健场景级表面重建的显式网格与高斯溅射的联合优化
计算机视觉与模式识别
2025-09-30 v1
摘要
神经渲染中的高斯溅射技术已取得新视角合成的进展，大多数方法通过后处理网格提取来重建表面。然而，现有方法存在两个局限性：（i）纹理稀缺室内区域几何不准确，（ii）网格提取与优化脱钩，无法利用网格几何来指导溅射优化。在本文中，我们提出OMeGa框架，实现显式三角网格与2D高斯溅射的联合优化，通过灵活的绑定策略，其中高斯溅射的空间属性以网格坐标系表达，纹理属性保留在溅射上。为进一步提高重建精度，我们整合网格约束和单目法线监督进行优化，以正则化几何学习。此外，我们提出一种启发式的迭代网格细化策略，通过划分高误差面和修剪不可靠面来进一步提升重建网格的细节与精度。OMeGa在具有挑战性的室内重建基准上实现了最先进的性能，相较于2DGS基线以47.3%的 Chamfer- 降低，同时保持了具竞争力的新视角渲染质量。实验结果表明，OMeGa有效解决了室内纹理稀缺重建中的先前局限。
关键词
引用
@article{arxiv.2509.24308,
title = {OMeGa: Joint Optimization of Explicit Meshes and Gaussian Splats for Robust Scene-Level Surface Reconstruction},
author = {Yuhang Cao and Haojun Yan and Danya Yao},
journal= {arXiv preprint arXiv:2509.24308},
year = {2025}
}
备注
12 pages, 9 figures