ROSGS：使用高斯溅写实现可重 lighting 的户外场景
计算机视觉与模式识别
2025-09-16 v1
摘要
户外捕获的图像数据常表现为无界场景和不受约束、变化的光照条件，使得将其分解为几何、反射率和光照三个部分具有挑战性。近期研究聚焦于使用神经网络渲染场（NeRF）或 3D 高斯溅写（3DGS）表示实现此分解，但仍受两个关键限制制约：NeRF 神经网络的高计算开销，以及低频光照表示常导致渲染效率低下和重 lighting 精度不足。我们提出 ROSGS，一个两阶段管道，旨在使用高斯溅写表示高效重建可重 lighting 的户外场景。通过利用单目法线先验，ROSGS 首先使用紧凑的 2D 高斯溅写（2DGS）表示重建场景几何，提供高效且准确的几何基础。在此重建的几何基础上，ROSGS 再对场景纹理和光照进行分解，通过混合 lighting 模型实现。该模型采用球面高斯函数捕捉阳光的方向性高频成分，同时通过球面谐波系数学习辐射传递函数，以全面建模剩余的低频天光。定量指标和定性比较均表明，ROSGS 在户外场景重 lighting 中实现了最佳性能，并展示了其在重 lighting 精度和渲染效率方面的优势。
关键词
引用
@article{arxiv.2509.11275,
title = {ROSGS: Relightable Outdoor Scenes With Gaussian Splatting},
author = {Lianjun Liao and Chunhui Zhang and Tong Wu and Henglei Lv and Bailin Deng and Lin Gao},
journal= {arXiv preprint arXiv:2509.11275},
year = {2025}
}