SuperGS：基于高斯溅写实现一致且细节丰富的3D超分辨场景重建
计算机视觉与模式识别
2025-05-27 v1
摘要
最近，3D高斯溅写（3DGS）在新视角合成（NVS）中表现卓越，凭借实时渲染能力和优异质量，然而其在高分辨率新视角合成（HRNVS）中面临挑战，原因在于其从低分辨率输入视图派生出的原始粗糙。为此，我们提出SuperGS，这是一种在Scaffold-GS基础上的扩展，采用两阶段粗到细训练框架。在低分辨率阶段，我们引入潜在特征场来表示低分辨率场景，既作为超分辨率优化的初始化，也为后续提供基础信息。在高分辨率阶段，我们提出多视角一致稠密化策略，基于误差图反投影高分辨率深度图，并采用多视角投票机制，缓解由2D先验模型提供的伪标签因多视角不一致性而产生的歧义，同时避免高斯冗余。此外，我们通过变分特征学习建模不确定性，并利用其引导进一步的场景表示细化，调整伪标签的监督效果，确保场景重建的一致性和细节性。大量实验表明，SuperGS 在正面视角和360度数据集上均优于当前HRNVS方法。
引用
@article{arxiv.2505.18649,
title = {SuperGS: Consistent and Detailed 3D Super-Resolution Scene Reconstruction via Gaussian Splatting},
author = {Shiyun Xie and Zhiru Wang and Yinghao Zhu and Xu Wang and Chengwei Pan and Xiwang Dong},
journal= {arXiv preprint arXiv:2505.18649},
year = {2025}
}