基于 P-最优性的 3D 高斯溅射下一最佳视点
计算机视觉与模式识别
2025-03-27 v2 机器人学
摘要
本文提出了一种用于量化 3D 高斯溅射（3D-GS）中不确定性与信息获取的新算法，通过 P-最优性实现。虽然 3D-GS 已证明是具有高质量光栅化的有用世界模型，但其本机不对不确定性或信息进行量化，为实际应用（如 3D-GS SLAM）带来挑战。我们通过将问题重新表述为最优实验设计的视角来量化信息获取，这是文献中广泛使用的方法。通过将 3D-GS 的信息量化通过最优实验设计重新结构化，我们得出了多个解决方案，其中 T-最优性和 D-最优性在两个流行数据集上的定量和定性表现最佳。此外，我们提出了一种块对角协方差近似，提供了相关性度量，代价是更高的计算成本。
引用
@article{arxiv.2503.07819,
title = {POp-GS: Next Best View in 3D-Gaussian Splatting with P-Optimality},
author = {Joey Wilson and Marcelino Almeida and Sachit Mahajan and Martin Labrie and Maani Ghaffari and Omid Ghasemalizadeh and Min Sun and Cheng-Hao Kuo and Arnab Sen},
journal= {arXiv preprint arXiv:2503.07819},
year = {2025}
}