.png){kind=icon}
返回
LoopSparseGS: Loop-Based Sparse-View Friendly Gaussian Splatting
.png){kind=icon}
OA
AI
DOI：10.1109/TIP.2025.3574929.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管原始的3D高斯明暗（3DGS）实现了逼真的新视角合成（NVS）性能，但其渲染质量在稀疏输入视角下显著下降。这种性能下降主要是由稀疏输入产生的初始点数量有限、训练过程中缺乏可靠的几何监督以及过大的高斯椭球体正则化不足引起的。为了解决这些问题，我们提出了LoopSparseGS，一种基于循环的3DGS框架，用于稀疏新视角合成任务。具体来说，我们提出了一种基于循环的渐进高斯初始化（PGI）策略，该策略可以利用训练过程中渲染的伪图像迭代地稠密化初始化点云。然后，利用运动结构（SfM）的稀疏可靠深度和基于窗口的密集单目深度，通过提出的深度对齐正则化（DAR）提供精确的几何监督。此外，我们引入了一种新颖的稀疏友好采样（SFS）策略来处理导致大像素误差的过大的高斯椭球体。在四个数据集上的全面实验表明，LoopSparseGS在室内、室外和对象级场景中，针对各种图像分辨率，在稀疏输入新视角合成方面优于现有的最先进方法。代码可在：https://github.com/pcl3dv/LoopSparseGS
Keyword:
Gaussian splatting
sparse-view synthesis
loop-based
depth alignment
sparse-friendly sampling
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
Local Light Field Fusion: Practical View Synthesis with Prescriptive Sampling Guidelines局部光场融合: 具有规定采样指南的实用视图合成
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏
查看更多内容