基于持久同调的拓扑感知3D高斯溅写:用于优化结构完整性
计算机视觉与模式识别
2025-06-17 v4 机器学习
图像与视频处理
代数拓扑
几何拓扑
摘要
高斯溅写(GS)已成为表示离散体积辐射场的关键技术。它利用独特的参数化方法来缓解场景优化中的计算需求。本工作引入基于拓扑的3D高斯溅写(Topology-GS)，以解决当前方法的两个关键局限性:由于初始几何覆盖不完整导致的像素级结构完整性受损，以及在优化过程中缺乏拓扑约束导致的特征级完整性不足。为克服这些限制，Topology-GS包含一种新颖的插值策略，即Local Persistent Voronoi Interpolation(LPVI)，以及基于持久条码的拓扑正则化项，称为PersLoss。LPVI利用持久同调指导自适应插值，增强低曲率区域的点覆盖，同时保持拓扑结构。PersLoss通过约束其拓扑特征之间的距离，将渲染图像的视觉感知相似性与真实图之间的一致性。在三个新视角合成基准上的全面实验表明，Topology-GS在PSNR、SSIM和LPIPS指标方面均优于现有方法，同时保持高效的内存使用。该研究首次将拓扑与3D-GS集成，为该领域的未来研究奠定了基础。
引用
@article{arxiv.2412.16619,
title = {Topology-Aware 3D Gaussian Splatting: Leveraging Persistent Homology for Optimized Structural Integrity},
author = {Tianqi Shen and Shaohua Liu and Jiaqi Feng and Ziye Ma and Ning An},
journal= {arXiv preprint arXiv:2412.16619},
year = {2025}
}
备注
18 pages, 12 figures, includes appendix. Accepted as oral presentation at AAAI 2025 (Conference on Artificial Intelligence). Official conference version: 10 pages, 6 figures. ISBN (Print): 978-1-57735-897-8. Conference website: https://aaai.org/conference/aaai/aaai-25/