无惧外观变化新SOTA！WildGaussian开源：将3DGS扩展到不受控的自然环境

文章预览

以下文章来源 于3D视觉之心 点击“ 计算机视觉life ”，选择“星标” 机器人AI干货第一时间送达 3DGS对动态场景“无能为力”？ 在真实世界的场景中，例如非结构化的互联网照片集， 不仅会遇到动态遮挡（如移动的行人和车辆），还会遇到光照变化 。在动态场景中新视点合成的最新方法主要集中在重建静态环境。动态场景通常出现在现实世界的场景中，这对这些方法提出了挑战。一部分研究试图从视频序列中建模静态和动态组件。然而在应用于照片集序列时通常表现不佳。由于NeRF-based的方法训练和渲染速度慢，很多研究开始探索使用 3DGS 替代 NeRF 表示来完成这一任务。将 外观条件 与 局部独立的 3D 高斯分布 相结合带来了显著挑战。 仅从训练视图学习场景表示会引入几何与视角依赖效应之间的歧义。NeRFs 和 3DGS 都设计用于学习一致的几何结构， ………………………………