SplatFill: 基于深度引导高斯 Splatting 的三维场景修复
计算机视觉与模式识别
2025-09-10 v1
摘要
三维高斯 Splatting（3DGS）已实现从多视角图像集创建高真实感三维场景表示。然而，修复缺失区域（无论是由于遮挡还是场景编辑）仍是一项具有挑战性的任务，常导致模糊细节、伪影和不一致的几何结构。在本工作中，我们引入了 SplatFill，一种用于 3DGS 场景修复的新型深度引导方法，实现了最先进的感知质量和更高的效率。我们的方法结合了两个关键思路：（1）联合基于深度和基于物体的监督，确保修复的高斯体在三维空间中准确定位并与周围几何对齐；（2）我们提出了一种感知一致性的细化方案，选择性地识别并纠正不一致区域而不破坏场景的其余部分。在 SPIn-NeRF 数据集上的评估表明，SplatFill不仅在视觉保真度上超越了现有的基于 NeRF 和基于 3DGS 的修复方法，还将训练时间减少了 24.5%。定性结果表明，我们的方法在具有挑战性的视角下提供了更清晰的细节、更少的伪影和更大的一致性。
引用
@article{arxiv.2509.07809,
title = {SplatFill: 3D Scene Inpainting via Depth-Guided Gaussian Splatting},
author = {Mahtab Dahaghin and Milind G. Padalkar and Matteo Toso and Alessio Del Bue},
journal= {arXiv preprint arXiv:2509.07809},
year = {2025}
}