基于样条表面估计的无代理高斯 Splat 变形
计算机视觉与模式识别
2025-11-26 v1
摘要
我们提出了 SpLap，一种基于我们新颖的面向表面的样条图所计算的拉普拉斯算子的无代理高斯 Splat（GS）变形方法。现有的高斯 Splat 变形方法通常依赖于笼或网格等变形代理，但它们存在对代理质量的依赖和额外的计算开销。另一种方法是将样条视为点云，直接应用基于拉普拉斯算子的变形技术。然而，由于缺乏显式结构，这通常无法正确捕捉表面信息。为了解决这一问题，我们提出了一种构建面向表面的样条图的新方法，使得从中导出的拉普拉斯算子能够支持更合理的变形，在保持细节和拓扑的同时进行变形。我们的关键思想是利用样条中编码的空间排列，定义相邻样条时不仅考虑其中心之间的距离，还考虑它们的交集。此外，我们引入了一种高斯核适应技术，在变形过程中保持表面结构，从而提高变形后的渲染质量。在我们的实验中，我们展示了该方法相比基于代理和无代理基线的优越性能，在来自 ShapeNet、Objaverse 和 Sketchfab 数据集的 50 个具有挑战性的物体以及 NeRF-Synthetic 数据集上进行了评估。代码可在 https://github.com/kjae0/SpLap 获取。
引用
@article{arxiv.2511.19542,
title = {Proxy-Free Gaussian Splats Deformation with Splat-Based Surface Estimation},
author = {Jaeyeong Kim and Seungwoo Yoo and Minhyuk Sung},
journal= {arXiv preprint arXiv:2511.19542},
year = {2025}
}
备注
17 pages, Accepted to 3DV 2026 (IEEE/CVF International Conference on 3D Vision)