Hugging Face · Daily Papers
SVGS：用空间可变颜色基元增强 Gaussian Splatting
SVGS: Enhancing Gaussian Splatting Using Primitives with Spatially Varying Colors
来自 University of Hong Kong
摘要
Gaussian Splatting 基于 Gaussian 显式表示，在多视角重建中展现出出色效果。然而，当前的 Gaussian primitive 仅使用一个视角相关颜色和一个 opacity 来表示场景的外观与几何，导致表示不够紧凑。
本文提出一种新方法 SVGS（Spatially Varying Gaussian Splatting），在单个 Gaussian primitive 中使用空间变化的颜色与 opacity，以提升其表示能力。我们实现了 bilinear interpolation、movable kernels 和 tiny neural networks 作为空间变化函数。SVGS 采用 2D Gaussian surfels 作为 primitive，在保持高质量几何重建的同时，显著提升了 novel-view synthesis。
这种方法在实际应用中尤其有效，因为现实环境中经常出现场景具有复杂纹理但几何相对简单的情况。定量与定性实验结果表明，三种函数均优于 baseline，其中表现最好的 movable kernels 在多个数据集上取得了更优的 novel view synthesis 性能，显示出空间变化函数的较大潜力。