RealisticDreamer：基于引导得分蒸馏的稀疏样本高斯溅射
计算机视觉与模式识别
2025-11-17 v1
摘要
3D 高斯溅射（3DGS）最近在3D 场景表示中因其高质量实时渲染能力而受到广泛关注。然而，当输入由稀疏训练视图组成时，3DGS 容易发生过拟合，主要由于缺乏中间视图监督。灵感来源于最近在视频扩散模型（VDM）方面的成功，我们提出了称为引导得分蒸馏（GSD）的框架，从预训练 VDM 中提取丰富的多视图一致性先验。基于得分蒸馏采样（SDS）的见解，GSD 通过监督来自多个相邻视图的渲染图像，引导高斯溅射表示朝向 VDM 的生成方向。然而，生成方向常涉及物体运动和随机相机轨迹，这在优化过程中直接监督具有挑战性。为此，我们引入了统一的引导形式来纠正 VDM 的噪声预测结果。具体而言，我们结合基于真实深度图的深度变形引导和基于语义图像特征的引导，确保 VDM 的得分更新方向与正确的相机姿态和准确几何信息相吻合。实验结果表明，我们的方法在多个数据集上优于现有方法。
引用
@article{arxiv.2511.11213,
title = {RealisticDreamer: Guidance Score Distillation for Few-shot Gaussian Splatting},
author = {Ruocheng Wu and Haolan He and Yufei Wang and Zhihao Li and Bihan Wen},
journal= {arXiv preprint arXiv:2511.11213},
year = {2025}
}