SkySplat：基于多时相稀疏卫星图像的可泛化3D高斯泼溅
计算机视觉与模式识别
2026-05-14 v2
摘要
从稀疏视角卫星图像进行三维场景重建是一项长期且具有挑战性的任务。虽然3D高斯泼溅(3DGS)及其变体因其高效率近来受到关注，但现有方法因与有理多项式系数(RPC)模型不兼容以及泛化能力有限而不适用于卫星图像。近期可泛化3DGS方法的进展显示出潜力，但它们在多时相稀疏卫星图像上表现不佳，原因是几何约束有限、瞬态物体和辐射不一致。为解决这些局限性，我们提出了SkySplat，一种新颖的自监督框架，将RPC模型集成到可泛化3DGS流程中，从而更有效地利用稀疏几何线索以改进重建。SkySplat仅依赖RGB图像和辐射鲁棒的相对高度监督，从而无需真实高度图。关键组件包括跨自一致性模块(CSCM)，通过基于一致性的掩蔽减轻瞬态物体干扰，以及多视图一致性聚合策略以细化重建结果。与逐场景优化方法相比，SkySplat在更高精度下比EOGS实现了86倍加速。它还优于可泛化3DGS基线，在DFC19数据集上将MAE从13.18米显著降低至1.80米，并在MVS3D基准上展示了强大的跨数据集泛化能力。代码可在https://github.com/NanCheng2001/SkySplat-main获取。
引用
@article{arxiv.2508.09479,
title = {SkySplat: Generalizable 3D Gaussian Splatting from Multi-Temporal Sparse Satellite Images},
author = {Xuejun Huang and Xinyi Liu and Yi Wan and Zhi Zheng and Bin Zhang and Mingtao Xiong and Yingying Pei and Yongjun Zhang},
journal= {arXiv preprint arXiv:2508.09479},
year = {2026}
}
备注
AAAI 2026. Code is available at https://github.com/NanCheng2001/SkySplat-main