SF-Recon：基于 3D 高斯溅写实现无简化轻量化建筑重建
计算机视觉与模式识别
2025-11-24 v2
摘要
轻量化建筑表面模型对数字城市、导航和快速地理空间分析至关重要，但传统的多视图几何管道因依赖稠密重建、网格化及后期简化而笨重且对质量敏感。本工作提出了 SF-Recon 方法，从多视图图像直接重建轻量化建筑表面，无需后期网格简化。首先训练初始 3D 高斯溅写 (3DGS) 场以获得视图一致表示。随后通过基于法线梯度引导的高斯优化提取建筑结构，选取与屋顶和墙壁边界对齐的原始素材，并通过多视图边缘一致性修剪以增强结构锋利度、抑制非结构性伪影，无需外部监督。最后，利用多视图深度受限的 Delaunay 三角化将结构化高斯场转换为轻量化、结构忠实的建筑网格。基于提出的 SF 数据集，实验结果表明，SF-Recon 可从多视图图像直接重建轻量化建筑模型，在保持计算效率的同时实现显著减少的面数和顶点数。网站：https://lzh282140127-cell.github.io/SF-Recon-project/
引用
@article{arxiv.2511.13278,
title = {SF-Recon: Simplification-Free Lightweight Building Reconstruction via 3D Gaussian Splatting},
author = {Zihan Li and Tengfei Wang and Wentian Gan and Hao Zhan and Xin Wang and Zongqian Zhan},
journal= {arXiv preprint arXiv:2511.13278},
year = {2025}
}
备注
This paper has been submitted to the 2026 ISPRS Congress