OracleGS：稀疏视角高斯溶解的生成先验 grounding
计算机视觉与模式识别
2025-10-07 v2
摘要
稀疏视角新视角合成 fundamentally ill-posed due to severe geometric ambiguity。当前方法陷入一种权衡：回归模型几何忠实但不完整，而生成模型可完成场景但常常引入结构不一致性。我们提出了 OracleGS，一种新型框架，用于稀疏视图高斯溶解 reconcile generative completeness with regressive fidelity。我们不使用生成模型来填充不完整的重建，而是采用“提出-验证”框架，首先利用预训练的 3D 注意力扩散模型合成新视角以提出完整场景。然后将多视图立体（MVS）模型用作 3D 注意力 oracle 来验证生成视图的 3D 不确定性，其注意力图揭示了哪些区域的生成视图得到多视图证据的良好支持，哪些区域则因遮挡、纹理不足或直接不一致性而处于高不确定性区域。这种不确定性信号直接指导 3D 高斯溶解模型的优化，通过不确定性加权损失实现。我们的做法将强大的生成先验置于多视图几何证据之下，过滤幻觉性 artifacts，同时保留在约束不足区域的合理完成，超越了包括 Mip-NeRF 360 和 NeRF Synthetic 在内的前沿方法。
引用
@article{arxiv.2509.23258,
title = {OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting},
author = {Atakan Topaloglu and Kunyi Li and Michael Niemeyer and Nassir Navab and A. Murat Tekalp and Federico Tombari},
journal= {arXiv preprint arXiv:2509.23258},
year = {2025}
}
备注
Project page available at: https://atakan-topaloglu.github.io/oraclegs/