PAGaS：用于深度细化的像素对齐1自由度高斯溅写
计算机视觉与模式识别
2026-04-27 v1 机器人学
摘要
高斯溅写（Gaussian Splatting，GS）已成为一种高质量新视角合成的有效方法。虽然早期的GS变体在准确建模场景几何方面困难，但最近的进展通过限制高斯的扩散和形状（如2D高斯溅写），显著提高了几何保真度。本文提出了像素对齐1自由度高斯溅写（Pixel-Aligned 1DoF Gaussian Splatting，简称PAGaS），将GS表示从新视角合成扩展到多视图立体深度任务。我们的关键贡献是使用一种自由度（1DoF）的高斯模型来表示像素的深度，并在优化过程中保持其紧致约束。与现有方法不同，我们的高斯位置和大小受由背投像素体积所限制，仅保留深度作为唯一的优化自由度。PAGaS产生的深度细节丰富，如图1所示。在具有挑战性的3D重建基准数据集上，我们在参考几何和基于学习的多视图立体基线方法之上量化验证了这些改进。代码：https://davidrecasens.github.io/pagas
引用
@article{arxiv.2604.22129,
title = {PAGaS: Pixel-Aligned 1DoF Gaussian Splatting for Depth Refinement},
author = {David Recasens and Robert Maier and Aljaz Bozic and Stephane Grabli and Javier Civera and Tony Tung and Edmond Boyer},
journal= {arXiv preprint arXiv:2604.22129},
year = {2026}
}