基于自适应视角选择的在线3D高斯溅写模型
计算机视觉与模式识别
2025-09-08 v2
摘要
本研究旨在从仅包含RGB信息的帧中生成在线3D高斯溅写（3DGS）模型。以往的研究方法利用稠密SLAM技术从关键帧估计3D场景，以构建3DGS模型。然而，这些方法仅依赖关键帧，难以完整捕获整个场景，导致重建不完整。此外，构建可泛化的模型需要纳入来自多样化视角的帧，以实现更广泛的场景覆盖。然而，由于在线处理的限制，难以利用大量帧或大量训练迭代。因此，我们提出一种新方法，通过自适应视角选择提高模型完整性。该方法在线分析重建质量，选择最优非关键帧进行额外训练。通过将关键帧与所选非关键帧集成，方法从多样化视角细化不完整区域，显著提升完整性。我们还提出一种框架，集成在线多视角立体匹配方法，确保3D信息在3DGS建模过程中保持一致性。实验结果表明，我们的方法在复杂户外场景中优于最先进的方法，性能卓越。
引用
@article{arxiv.2508.14014,
title = {Online 3D Gaussian Splatting Modeling with Novel View Selection},
author = {Byeonggwon Lee and Junkyu Park and Khang Truong Giang and Soohwan Song},
journal= {arXiv preprint arXiv:2508.14014},
year = {2025}
}