StereoGaussians：立体图像的前馈 3D 高斯泼溅

前馈 3D 高斯分布 (3DGS) 无需按场景优化即可进行重建，但实际的立体相机应用需要输入视图之外的附近视图外推。立体深度锚定可见表面，但渲染新暴露的区域也需要学习外观和额外的场景容量。我们引入了 StereoGaussians，它可以根据单个校准的立体声对预测公制 3DGS 表示。它重用来自冻结的预训练立体网络的中间表示来预测高斯属性，同时校准视差锚定几何。第二个高斯层和扩展的图像画布提供了遮挡和视野外内容的能力。对于训练，我们由经过质量过滤的 3DGS 教师构建 SceneSplat-Stereo，将立体输入与 803 个训练场景中的附近目标视图配对。对看不见的真实和照片级真实感立体基准的实验表明，相对于强大的视图合成基准有所改进，而消融研究则支持我们的主要设计选择。