T-3DGS：用于 3D 场景重建的去除暂时性物体
计算机视觉与模式识别
2025-03-11 v2 机器学习
摘要
视频序列中的暂时性物体会显著降低 3D 场景重建的质量。为解决这一挑战，我们提出了 T-3DGS，一个新型框架，通过高斯溅写 (Gaussian Splatting) 稳健地过滤掉 3D 重建中的暂时性干扰物。我们的框架包含两个步骤。首先，我们采用无监督分类网络，通过利用重建过程中所述物体与静态场景元素的不同训练动力学来区分暂时性物体和静态场景元素。其次，我们通过集成开箱即用的分割方法与双向跟踪模块来细化这些初始检测结果，该组合提高了边界精度和时间一致性。在稀疏和密集捕获的视频数据集上的评估表明，T-3DGS 显著优于最新方法，使我们能够在具有挑战性的真实场景中实现高保真度的 3D 重建。
引用
@article{arxiv.2412.00155,
title = {T-3DGS: Removing Transient Objects for 3D Scene Reconstruction},
author = {Alexander Markin and Vadim Pryadilshchikov and Artem Komarichev and Ruslan Rakhimov and Peter Wonka and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2412.00155},
year = {2025}
}
备注
Project website at https://transient-3dgs.github.io/