详见：通过局部深度和语义正则化增强稀疏视图 3D 高斯溅写
计算机视觉与模式识别
2025-01-22 v1
摘要
3D 高斯溅写 (3DGS) 在新视角合成方面显示出卓越的性能。然而，其渲染质量随稀疏输入视图而恶化，导致内容变形和细节减少。这一限制阻碍了其实际应用。为解决此问题，我们提出一种稀疏视图 3DGS 方法。鉴于稀疏视图渲染固有的欠定性问题，纳入先验信息至关重要。我们提出一种语义正则化技术，使用从预训练 DINO-ViT 模型中提取的特征，确保多视角语义一致性。此外，我们提出局部深度正则化，对深度值进行约束以提高对未见视角的泛化能力。我们的方法在新颖视图合成方法中超越了最先进的技术，LLFF 数据集上以最高提升 0.4dB 的 PSNR 性能，同时减少了失真并提升了视觉质量。
引用
@article{arxiv.2501.11508,
title = {See In Detail: Enhancing Sparse-view 3D Gaussian Splatting with Local Depth and Semantic Regularization},
author = {Zongqi He and Zhe Xiao and Kin-Chung Chan and Yushen Zuo and Jun Xiao and Kin-Man Lam},
journal= {arXiv preprint arXiv:2501.11508},
year = {2025}
}
备注
5 pages, 5 figures, has been accepted by the ICASSP 2025