快速 3D 基础模型初始化高斯泼溅

本文介绍了一种无需传统运动结构 (SfM) 即可进行高质量 3D 高斯分布 (3DGS) 重建的快速方法。所提出的方法利用 3D 基础模型 (3DFM) 进行相机姿态和点云初始化，然后使用深度引导损失函数联合优化相机姿态和高斯基元。即使使用少至 50-60 个输入视图进行粗略初始化，也能实现快速收敛。为了进一步提高稀疏视图场景中的重建质量，引入了基于 MLP 的姿态细化模块以及基础模型的深度引导监督。在 Mip-NeRF 360、Tanks and Temples 和 RobustNeRF 上进行的大量实验表明，所提出的方法实现了有竞争力的重建质量（23.61 dB PSNR，0.19 LPIPS），同时将每个场景的训练时间减少到大约三分钟。所提出的方法可生成现成的 3DGS 模型，所需时间仅为现有流程的一小部分，使其适合机器人、VR 和自主导航中的近实时应用。