GaussVid：具有 3D 感知视频扩散先验的稀疏视图高斯泼溅

3D高斯分布（3DGS）在新颖的视图合成方面取得了显着的成功；然而，稀疏视图下的重建通常会表现出明显的伪影。虽然最近的视频扩散模型为 3DGS 恢复提供了强大的时空先验，但直接使用 微调 进行恢复并不是最优的，因为它们缺乏对底层多摄像机几何结构的认识，从而导致多视图不一致。在这项工作中，我们提出了一种新颖的 3D 感知视频恢复框架，旨在提高稀疏 3DGS 重建的质量。具体来说，我们构建了一个大规模 3DGS 视频数据集来启用专门的 微调。为了弥合 2D 视频生成和 3D 多视图约束之间的差距，我们引入了相机条件几何先验。通过使用第一帧和最后一帧作为边界锚并编码相应的相机关系，我们将空间结构明确地注入视频生成管道中。这种边界锚定的、相机感知的先验引导网络进行基于几何的恢复，在各个视点之间保持一致。大量实验表明，在视频先验恢复方法中，我们的方法获得了最佳的像素和结构级保真度（PSNR/SSIM）并提高了多视图一致性，同时在感知质量（LPIPS）方面保持竞争力。