通过形状-射线估计实现无姿态 3D 高斯泼溅
计算机视觉与模式识别
2025-10-22 v3
摘要
尽管可泛化的 3D 高斯泼溅能够对未见场景进行高效、高质量的渲染，但它严重依赖精确的相机姿态以获得准确的几何结构。在真实世界场景中，获取精确姿态具有挑战性，会导致姿态估计存在噪声并产生几何不对齐。为了解决这一问题，我们引入 SHARE，一个无姿态的前馈高斯泼溅框架，通过联合形状和相机射线估计来克服这些歧义。SHARE 不依赖显式的 3D 变换，而是构建了一种姿态感知的规范体积表示，无缝集成多视图信息，从而减少由不准确姿态估计引起的错位。此外，锚点对齐的高斯预测通过细化粗锚点周围的局部几何结构来增强场景重建，从而实现更精确的高斯放置。在多个真实世界数据集上的大量实验表明，我们的方法在无姿态可泛化高斯泼溅中实现了鲁棒的性能。代码可在 https://github.com/youngju-na/SHARE 获取。
引用
@article{arxiv.2505.22978,
title = {Pose-free 3D Gaussian splatting via shape-ray estimation},
author = {Youngju Na and Taeyeon Kim and Jumin Lee and Kyu Beom Han and Woo Jae Kim and Sung-eui Yoon},
journal= {arXiv preprint arXiv:2505.22978},
year = {2025}
}
备注
ICIP 2025 (Best Student Paper Award) Code available at: https://github.com/youngju-na/SHARE