中科院自动化所提出高效三维场景重建算法citygaussianv2,攻克大规模场景重建难题!
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

AIxiv专栏持续报道全球顶尖AI研究成果,CityGaussianV2论文已被ICLR 2025接收,代码已开源。您是否还在为大规模场景重建的耗时、显存和精度评估而烦恼?CityGaussianV2提供了一种高效、精准的解决方案,实现快速训练、压缩和逼真的实时渲染。

挑战与突破:
现有算法如3DGS及其改进版(SuGaR、2DGS、GOF)在大规模场景重建中存在诸多问题:训练耗时过长,显存占用巨大,重建几何结构精度不足,缺乏有效的精度评估方法。CityGaussianV2针对这些问题进行了深入研究和优化。

- 论文题目: CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes
- 项目主页: https://www.php.cn/link/b666545e24ea289be13796baae7463e3
- 论文链接: https://www.php.cn/link/ca026717248e3b3915f2b15b38f69de6
- 代码链接 (600+⭐): https://www.php.cn/link/8c2c809f0f90fb60826f6fe06add8fe9

CityGaussianV2的核心改进:
CityGaussianV2基于CityGaussian的子模型划分和数据分配方案,采用2DGS作为基本单元,并引入了以下关键技术:
- 基于延展率过滤和梯度解耦的稠密化技术: 有效抑制了2DGS在复杂场景中容易出现的模糊伪影和基元过度增长问题,提升了训练稳定性。
- 深度回归监督: 进一步提高了几何重建精度。
- 合并训练和压缩过程: 构建了端到端的训练流程,显著缩短了训练和压缩时间。







实验结果:
CityGaussianV2在多个数据集上均取得了显著优于现有算法的重建效果,在几何精度和渲染质量方面均表现出色,同时大幅降低了训练时间和显存消耗。





结论:
CityGaussianV2为大规模复杂场景的三维重建提供了一种高效、精准的解决方案,其创新技术和优异性能为该领域的发展做出了重要贡献。










