TriDF：面向少样本遥感新视角合成的三平面加速密度场
计算机视觉与模式识别
2026-01-19 v3
摘要
遥感新视角合成（NVS）为遥感场景的三维解译提供了巨大潜力，在城市规划和环境监测中具有重要应用。然而，由于获取限制，遥感场景经常缺乏充足的多视图图像。现有的NVS方法在处理有限输入视图时容易过拟合，而先进的少样本NVS方法计算量大且在遥感场景中表现欠佳。本文提出了TriDF，一种高效的混合3D表示，仅需少至3个输入视图即可实现快速遥感NVS。我们的方法解耦了颜色和体密度信息，对它们进行独立建模，以减轻隐式辐射场的计算负担并加速重建。我们通过将高频颜色信息映射到这种紧凑结构上，探索了三平面表示在少样本NVS任务中的潜力，并且特征平面的直接优化显著加快了收敛速度。体密度被建模为连续密度场，通过基于图像的渲染引入来自相邻视图的参考特征，以弥补输入数据的不足。此外，我们引入了基于点云的深度引导优化，有效缓解了少样本NVS中的过拟合问题。在多个遥感场景上的综合实验表明，与基于NeRF的方法相比，我们的混合表示实现了30倍的速度提升，同时在渲染质量指标上优于先进的少样本方法（PSNR提升7.4%，SSIM提升3.4%）。代码公开于 https://github.com/kanehub/TriDF
引用
@article{arxiv.2503.13347,
title = {TriDF: Triplane-Accelerated Density Fields for Few-Shot Remote Sensing Novel View Synthesis},
author = {Jiaming Kang and Keyan Chen and Zhengxia Zou and Zhenwei Shi},
journal= {arXiv preprint arXiv:2503.13347},
year = {2026}
}
备注
Corrected metadata formatting