StructGS：用于提升 3D 高斯溅写的自适应球面谱和渲染改进
计算机视觉与模式识别
2026-03-19 v1 人工智能
摘要
近期的 3D 重建技术与神经渲染技术的结合显著提升了照片级 3D 场景的创建，影响着学术研究和行业应用。3D 高斯溅写技术及其变体结合了基于原始图形和体积表示的优势，实现了卓越的渲染质量。虽然 3D 几何散射（3DGS）及其变体已推动了 3D 表示领域，但它们在训练过程中未能捕捉非局部结构信息的随机特性。此外，3DGS-based 方法中球面函数的初始化常常难以在早期训练阶段激活更高阶项，导致训练进行至后期时产生不必要的计算开销。进一步地，当前的 3DGS-based 方法需要在更高分辨率图像上进行训练才能渲染更高分辨率的输出，显著增加内存需求并延长训练持续时间。我们引入 StructGS，一个增强 3D 高斯溅写（3DGS）的框架，以提高 3D 重建中新观点合成的质量。StructGS 创新性地包含基于 patch 的 SSIM 损失、动态球面谱初始化和多尺度残差网络（MSRN），分别解决上述限制。我们的框架显著减少计算冗余，增强细节捕获，支持从低分辨率输入进行高分辨率渲染。实验上，StructGS 在多个方面均优于状态最佳（SOTA）模型，实现更高质量、更详细的渲染，并产生更少的瑕疵。
引用
@article{arxiv.2503.06462,
title = {StructGS: Adaptive Spherical Harmonics and Rendering Enhancements for Superior 3D Gaussian Splatting},
author = {Zexu Huang and Min Xu and Stuart Perry},
journal= {arXiv preprint arXiv:2503.06462},
year = {2026}
}