StreetSurfGS：基于平面化的高斯溅射实现城市街道表面重建
计算机视觉与模式识别
2024-10-22 v2
摘要
重建城市街道场景至关重要，因为其在自动驾驶和城市规划等应用中发挥着关键作用。这些场景以长而窄的摄像机轨迹、遮挡、复杂物体关系以及跨尺度数据稀疏性为特征。尽管近期取得的进展使得现有表面重建方法在以物体为中心的场景中效果良好，但难以适应街道场景的独特特征。为此，我们引入 StreetSurfGS，首个针对可扩展城市街道场景表面重建而设计的高斯溅射方法。StreetSurfGS 采用基于平面的八叉树表示和分段训练，以降低内存开销、适应独特的摄像机特征并确保可扩展性。此外，为缓解由于物体重叠导致的深度不准问题，我们提出了在正则化中引入引导平滑策略，以消除不准确的边界点和离群点。进一步，为解决稀疏视角和多尺度挑战，我们采用双步匹配策略，利用相邻信息和长期信息。广泛的实验验证了 StreetSurfGS 在新视角合成和表面重建方面的有效性。
引用
@article{arxiv.2410.04354,
title = {StreetSurfGS: Scalable Urban Street Surface Reconstruction with Planar-based Gaussian Splatting},
author = {Xiao Cui and Weicai Ye and Yifan Wang and Guofeng Zhang and Wengang Zhou and Houqiang Li},
journal= {arXiv preprint arXiv:2410.04354},
year = {2024}
}