稀疏快照压缩图像驱动的三维高斯泼溅新视角合成方法研究

本文提出SparseSCIGaussian方法，通过引入快照压缩成像（SCI）技术解决稀疏输入条件下新视角合成的质量瓶颈。相比依赖深度或神经先验的传统方法，该方案利用SCI图像蕴含的丰富场景信息，在PSNR指标上提升2.65dB（13.04%），且无需复杂硬件即可实现高质量三维重建，为计算机视觉领域开辟了新路径。

　　

Highlight亮点

• 提出SparseSCIGaussian创新方案，通过快照压缩图像（SCI）实现稀疏输入新视角合成，专为SCI图像设计的正则化项显著提升合成质量

• 利用SCI图像的高信息密度特性，在挑战性数据集上超越现有方法表现

• 开拓了快照压缩成像技术在稀疏输入三维重建中的全新应用场景

Sparse Input Novel View Synthesis稀疏输入新视角合成

神经辐射场（NeRF）与3D高斯泼溅（3DGS）虽展现惊人质量，但需要密集图像输入。最新研究尝试通过大数据集学习先验知识实现直接重建...

3D Gaussian Splatting三维高斯泼溅

3D高斯泼溅使用一组3D高斯体表示场景，通过可微分栅格化渲染图像。每个高斯体具有中心μ、缩放因子s、旋转r、透明度α和视角相关颜色特征f等属性，其基础函数可表述为...

Experiments实验验证

在Tanks and Temples数据集、DeblurNeRF渲染的合成数据集及真实捕获数据上的实验表明，本方法在稀疏输入新视角合成中性能优越，相比SCINeRF在多SCI图像合成场景也展现更高质量。

Conclusion结论

SparseSCIGaussian通过引入快照压缩图像，使稀疏输入新视角合成变得可行。SCI图像的高信息密度特性与软件编码器的易用性相结合，为三维重建领域提供了创新解决方案。