文章预览
↑ 点击 蓝字 关注极市平台 作者丨Zongqi He 来源丨深蓝AI 编辑丨极市平台 极市导读 本文提出了一种名为SIDGaussian的基于三维高斯散射的稀疏输入方法,有效生成渲染图像中的细节并保持多视图一致性。 >> 加入极市CV技术交流群,走在计算机视觉的最前沿 导读 在新视图合成领域中,3DGS一直表现不俗,但在稀疏输入视图的情形下,渲染质量常会显著下降并导致细节缺失,然而在一些特殊的条件下,稠密的输入不一定能够得到保证, 因此如何让稀疏的场景也充满细节 ,是3DGS领域的主要挑战。 为应对这一问题,该研究提出了一种稀疏视图3DGS方法,通过预训练的DINO-ViT模型提取特征进行语义正则化,以确保多视图语义一致性,并加入局部深度正则化来提升对未见视角的泛化能力,经过该改进,该方法在LLFF数据集上的PSNR可较现有前沿方案最高提升0.
………………………………