Splatfacto-W：基于Gaussian Splatting的Nerfstudio实现，用于无约束照片集合
量子物理
2025-03-25 v1
摘要
从无约束户外图像集合进行新视角合成仍是一个具有重要挑战性的任务，由于光照变化和暂时性遮挡者的存在，使得准确的场景重建变得困难。以往的方法通过在神经光照场（NeRF）中集成每个图像的外观特征嵌入来处理这些问题。虽然3D高斯光照（3DGS）提供了更快的训练速度和实时渲染，但将其适用于无约束图像集合并不直接，因为其架构显著不同。本文引入Splatfacto-W，将每个高斯的神经颜色特征和每个图像的外观嵌入集成到光栅化过程中，同时引入基于球面调和和背景模型来表示不同的光照外观并更好地描绘背景。我们的关键贡献包括潜在外观建模、高效的暂时性物体处理以及精确的背景建模。Splatfacto-W在户外场景中实现了高质量、实时的新视角合成，显著提高了场景一致性。我们的方法将PSNR平均提高5.3 dB，训练速度比基于NeRF的方法提高150倍，渲染速度与3DGS相当。附加的视频结果和集成到Nerfstudio的代码可在https://kevinxu02.github.io/splatfactow/上获取。
引用
@article{arxiv.2407.12305,
title = {SHARC-VQE: Simplified Hamiltonian Approach with Refinement and Correction enabled Variational Quantum Eigensolver for Molecular Simulation},
author = {Harshdeep Singh and Sonjoy Majumder and Sabyashachi Mishra},
journal= {arXiv preprint arXiv:2407.12305},
year = {2025}
}