S3R-GS: 大规模街景重建流水线的精简优化
计算机视觉与模式识别
2025-03-12 v1
摘要
最近，3D 高斯溅射（3DGS）重塑了照片级真实感 3D 重建领域，实现了令人印象深刻的渲染质量与速度。然而，当应用于大规模街景时，现有方法随场景规模增大导致每视角重建成本迅速攀升，带来显著的计算开销。重新审视传统流水线后，我们识别出造成此问题的三个关键因素：不必要的局部到全局变换、过度的 3D 到 2D 投影，以及远处内容的低效渲染。为应对这些挑战，我们提出 S3R-GS，一个用于大规模街景重建（Streamlining the pipeline for large-scale Street Scene Reconstruction）的 3DGS 框架，有效缓解了这些局限。此外，大多数现有街景 3DGS 方法依赖真实 3D 边界框来分离动态与静态组件，但 3D 边界框难以获取，限制了实际应用。为此，我们提出一种以 2D 边界框为替代方案的解决方法，2D 边界框更易于标注或可由现成视觉基础模型预测。这些设计共同使 S3R-GS 能够轻松适应大规模真实场景。大量实验表明，S3R-GS 提升了渲染质量并显著加速了重建。值得注意的是，当应用于来自挑战性 Argoverse2 数据集的视频时，它实现了最先进的 PSNR 和 SSIM，将重建时间降至竞争方法的 50%——甚至 20%——以下。
引用
@article{arxiv.2503.08217,
title = {S3R-GS: Streamlining the Pipeline for Large-Scale Street Scene Reconstruction},
author = {Guangting Zheng and Jiajun Deng and Xiaomeng Chu and Yu Yuan and Houqiang Li and Yanyong Zhang},
journal= {arXiv preprint arXiv:2503.08217},
year = {2025}
}