AirSplat：稳健前馈 3D 高斯泼溅的对准和评级

虽然 3D 视觉基础模型 (3DVFM) 在视觉几何估计方面表现出了卓越的零样本能力，但将其直接应用于可推广的新颖视图合成 (NVS) 仍然具有挑战性。在本文中，我们提出了 AirSplat，这是一种新颖的训练框架，可以有效地将 3DVFM 的稳健几何先验适应高保真、无姿势 NVS。我们的方法引入了两个关键的技术贡献：（1）自洽姿势对齐（SCPA），一种训练时反馈循环，可确保像素对齐监督以解决姿势几何差异； (2) 基于评级的不透明度匹配 (ROM)，它利用稀疏视图 NVS 教师模型中的本地 3D 几何一致性知识来过滤掉退化的图元。大规模基准测试的实验结果表明，我们的方法在重建质量方面显着优于最先进的无姿态 NVS 方法。我们的 AirSplat 强调了采用 3DVFM 实现同步视觉几何估计和高质量视图合成的潜力。