TSGS：基于法线与去光照先验改进透明表面重建的高斯溅射

透明表面的重建对于实验室中机器人操作等任务至关重要，但对3D重建技术如3D高斯溅射(3DGS)构成重大挑战。这些方法常常会遇到透明度-深度困境，即通过标准$\alpha$-混合实现的照明逼真度会削弱几何精度，导致透明材料的深度估计误差显著。为解决此问题，我们提出了透明表面高斯溅射(TSGS)，一种新的框架，通过几何学习与外观细化分离来改进。几何学习阶段，TSGS利用抑制镜面反射的输入来准确表示表面。在第二个阶段，TSGS通过各向异性镜面模型提升视觉保真度，关键在于保持既定的不透明度，以确保几何精度。为增强深度推断，TSGS采用一种一表面深度提取方法。该技术在$\alpha$-混合权重上滑动窗口，以定位最可能的表面位置并计算稳健的加权平均深度。为评估现真实条件下的透明表面重建任务，我们收集了包含复杂实验室玻璃器具的TransLab数据集。TransLab上的大量实验表明，TSGS在高效的3DGS框架内同时实现了透明对象的准几何重建和真实渲染。具体而言，TSGS相对于当前领先方法实现了37.3%的切姆距离缩减和8.0%的F1分数提升。代码和数据集已提供于https://longxiang-ai.github.io/TSGS/。