大视场重建的自校准高斯溅射
计算机视觉与模式识别
2025-04-07 v2 图形学
摘要
本文提出一种自校准框架，联合优化相机参数、镜头畸变和3D高斯表示，实现准确且高效的场景重建。特别是，我们的方法 enables 从使用广角镜头获取的大视场（FOV）图像中实现高质量的场景重建，通过较少的图像数量即可建模场景。我们的方法引入了一种新方法，用于建模由可逆残差网络与显式网格混合构成的复杂镜头畸变。该设计有效地正则化了优化过程，优于传统相机模型。此外，我们提出了基于立方体图的重采样策略，以支持大视场图像而不牺牲分辨率或引入畸变伪影。该方法兼容高斯溅射的快速光栅化，适用于各种相机镜头畸变，展示了在合成数据集和真实数据集上的领先性能。
引用
@article{arxiv.2502.09563,
title = {Self-Calibrating Gaussian Splatting for Large Field of View Reconstruction},
author = {Youming Deng and Wenqi Xian and Guandao Yang and Leonidas Guibas and Gordon Wetzstein and Steve Marschner and Paul Debevec},
journal= {arXiv preprint arXiv:2502.09563},
year = {2025}
}
备注
Project Page: https://denghilbert.github.io/self-cali/