高斯溅射新视角合成的预测光度不确定性
计算机视觉与模式识别
2026-03-25 v1
摘要
近期的 3D 高斯溅射技术实现了惊人的照片级新视角合成。然而,要将其从纯渲染引擎转变为可靠的空间图谱,以服务于自主智能体和安全关键应用,了解表示处于何处不确定性与渲染保真度本身同样重要。我们通过引入一种轻量级、即插即用框架,用于像素级、视角依赖的预测不确定性估计来弥合这一关键鸿沟。我们的方法后处理性地将不确定性表述为对重建残差的贝叶斯正则化最小二乘优化。该以建模无关的方法在不修改底层场景表示或降低基准视觉保真度的前提下,提取每个原始语义块的不确定性通道。关键的是,我们证明提供这一可操作的可靠性信号成功地将 3D 高斯溅射转化为可信赖的空间图谱,进一步提升了三个关键下游感知任务的最新性能:主动视角选择、姿态无关场景变化检测和姿态无关异常检测。
引用
@article{arxiv.2603.22786,
title = {Predictive Photometric Uncertainty in Gaussian Splatting for Novel View Synthesis},
author = {Chamuditha Jayanga Galappaththige and Thomas Gottwald and Peter Stehr and Edgar Heinert and Niko Suenderhauf and Dimity Miller and Matthias Rottmann},
journal= {arXiv preprint arXiv:2603.22786},
year = {2026}
}
备注
Project Page: https://chumsy0725.github.io/GS-U/