Superpoint高斯溅写实用于实时高保真动态场景重建
计算机视觉与模式识别
2024-06-07 v1
摘要
在动态场景中渲染新视图图像是关键且具有挑战性的任务。当前方法主要利用基于NeRF的方法表示静态场景，同时添加时间可变MLP来建模场景变形，导致渲染质量相对较低且推理速度慢。为解决这些挑战，我们提出一种名为Superpoint高斯溅写实（SP-GS）的新型框架。具体而言，我们的框架首先采用显式3D高斯重建场景，然后将具有相似属性（如旋转、平移和位置）的高斯聚类成超点。凭借这些超点，我们的方法仅需轻微增加计算开销，将3D高斯溅写实扩展到动态场景。除实现最新技术的视觉质量和高分辨率实时渲染外，超点表示还提供了更强的操控能力。广泛的实验表明，我们的方法在合成数据集和真实世界数据集上均具有实用性和有效性。请参阅我们的项目页面https://dnvtmf.github.io/SP_GS.github.io。
引用
@article{arxiv.2406.03697,
title = {Superpoint Gaussian Splatting for Real-Time High-Fidelity Dynamic Scene Reconstruction},
author = {Diwen Wan and Ruijie Lu and Gang Zeng},
journal= {arXiv preprint arXiv:2406.03697},
year = {2024}
}
备注
Accepted by ICML 2024