Copied


SplatAnything引入Gaussian间距归一化以重建3D

realtime news   Nov 10, 2026 06:06 1 Min Read


一篇题为《SplatAnything:在任意场景中的前馈3DGS的Gaussian间距归一化》的新AI研究论文已在arXiv上发布,介绍了一种新颖的方法来改进3D高斯溅射(3DGS)。该研究由Hao Yu、Zhenwei Wang、Yongzhen Hu、Yuning Gong和Junta Wu领导,解决了现有3DGS方法中的关键限制,提出了Gaussian间距归一化(GSNorm)。

解决3D高斯溅射中的限制

传统的3DGS方法依赖于径向距离归一化的空间,这往往导致在不同场景尺度和摄像机配置下高斯中心之间的间距不同。这种不一致会导致模糊的监督和高斯尺度目标的系统性偏移。SplatAnything框架引入GSNorm来规范化场景级别的高斯间距,为高斯预测提供一致的空间参考。这一创新增强了3D在不同场景尺度和视角下重建的稳健性。

基准测试与性能

研究人员建立了系统基准来评估SplatAnything在不同数据集、输入稀疏度水平和具有挑战性的外推视角下的性能。实验结果表明,SplatAnything在众多场景尺度和摄像机配置的重大变化下,实现了最先进的性能,取得了显著的改进。

应用与开源可用性

SplatAnything是InfiniSplat系列的第三个版本,旨在用于自主驾驶、机器人导航、增强现实(AR)、虚拟现实(VR)和游戏开发等应用。它支持多摄像头设置的Rig-Recon和360°全景的Pano-Recon等高级功能。该工具是开源的,并可在GitHub上获取,网址为 https://github.com/zju3dv/SplatAnything。

技术规格

该框架需要Python 3.10+ 和 PyTorch 2.4+ 以及CUDA兼容性。用户可以通过克隆代码库并安装所需的依赖项来安装该工具。各种配置的预训练权重也可以下载。

SplatAnything标志着3D高斯重建的一大进步,在任意场景中提供了增强的一致性和性能。


Read More