面向城市场景的语义引导的高斯溅射重建
计算机视觉与模式识别
2025-03-24 v2
摘要
重建城市场景具有挑战性，原因在于其几何结构复杂且存在可能的动态物体。基于 3D 高斯溅射（3DGS）的方法已显示出强大的性能，但现有方法通常采用人工 3D 标注来改进动态物体建模，这种做法因标注成本高而不可行。一些方法利用 4D 高斯溅射（4DGS）来表示整个场景，但它们将静态和动态物体统一处理，导致静态元素不必要的更新，从而最终降低重建质量。为此，我们提出 UrbanGS，利用 2D 语义图和现有的动态高斯方法区分场景中的静态物体，从而实现对确定静态区域和潜在动态元素的独立处理。具体而言，对于确定的静态区域，我们强制全局一致性，以防止动态高斯的意外更改，并引入基于 K 最近邻（KNN）的正则化，以改善低纹理地面表面的局部一致性。值得注意的是，对于潜在的动态对象，我们使用可学习的时间嵌入来聚合时间信息，使每个高斯都能在时间上建模变形。大量实验表明，我们的方法在重建质量和效率方面均优于状态-of-the-art 方法，准确保留了静态内容，同时捕捉到了动态元素。
引用
@article{arxiv.2412.03473,
title = {UrbanGS: Semantic-Guided Gaussian Splatting for Urban Scene Reconstruction},
author = {Ziwen Li and Jiaxin Huang and Runnan Chen and Yunlong Che and Yandong Guo and Tongliang Liu and Fakhri Karray and Mingming Gong},
journal= {arXiv preprint arXiv:2412.03473},
year = {2025}
}