基于姿态先验与几何不确定性的 3D 高斯溅射姿态细化
计算机视觉与模式识别
2026-03-18 v1
摘要
3D 高斯溅射 (3DGS) 最近涌现为一种强大的场景表示，正在被广泛用于视觉定位和姿态细化。然而，尽管其高质量的可微渲染，3DGS 基于姿态细化的鲁棒性仍高度依赖初始相机姿态和重建几何。本文深入分析这些局限性，识别出两个主要不确定性来源：(i) 姿态先验不确定性，常源于输出单一确定性估计的回归或检索模型；(ii) 几何不确定性，由 3DGS 重建中的瑕疵引起，将误差传递至 PnP 求解器。此类不确定性可能扭曲投影几何并 destabilize 优化，即使渲染外观仍显得合理。为解决这些不确定性，我们引入一种混合蒙特卡洛姿态抽样与 Fisher 信息基于 PnP 优化的 relocalization 框架。该方法显式地处理姿态和几何不确定性，无需重新训练或额外监督。在多样化的室内外基准测试中，我们的方法在姿态和深度噪声下持续改善定位精度并显著提升稳定性。
引用
@article{arxiv.2603.16538,
title = {Rethinking Pose Refinement in 3D Gaussian Splatting under Pose Prior and Geometric Uncertainty},
author = {Mangyu Kong and Jaewon Lee and Seongwon Lee and Euntai Kim},
journal= {arXiv preprint arXiv:2603.16538},
year = {2026}
}
备注
17 pages, 11 figures, CVPR 2026