稀疏视角 3DGS 三维场景重建优化

三維重建技術是電腦視覺領域的核心研究方向之一，在虛擬現實、增強現實等領域具有廣泛應用。3D高斯潑濺（3D Gaussian Splatting ，3DGS）作為一種新型三維表徵方法，具有訓練速度快和即時渲染的顯著優勢。然而，3DGS的高質量重建依賴於密集的多視角輸入，在稀疏視角場景下，由於幾何約束不足，重建品質顯著下降。為緩解這一問題，研究者嘗試引入深度正則化作為額外的幾何約束。現有方法通常採用固定權重策略，即在所有視角設置下使用相同的深度損失權重。然而，這種"一刀切"策略忽略了不同稀疏程度下幾何約束充分性的差異：在極稀疏場景下，固定的中等權重約束強度不足；而在視角較多時，相同權重可能造成過度正則化。
針對上述問題，本文提出了一種視角自適應的深度正則化方法。該方法根據輸入視角數量動態調整深度約束強度：在極稀疏場景（≤4視角）下採用強權重，在中等稀疏場景（5-7視角）下採用中等權重，在輕度稀疏場景（8-12視角）下採用弱權重）。權重在訓練過程中遵循3DGS 標準的指數衰減策略，平衡幾何約束與外觀擬合。在 Tanks & Temples在 Playroom數據集上的實驗表明，本文方法在3視角設置下相比無深度基線平均提升0.26 dB，最佳提升達0.56 dB；在6視角下提升0.13 dB；在9視角下提升0.03 dB。PSNR提升呈現清晰的遞減趨勢，驗證了深度正則化價值隨多視角約束充分性遞減的理論。相比固定權重策略，本文方法在各視角設置下均表現出更優的性能和魯棒性。此外，通過手機拍攝場景的實用性驗證，展示了方法在實際應用中的可行性。