SVGS：通过高斯散布技术实现从单视图到三维对象编辑的转换

《ACM Transactions on Multimedia Computing, Communications, and Applications》：SVGS: Single-View to 3D Object Editing via Gaussian Splatting

文本驱动3D场景编辑中，针对隐式3D表示（如NeRF）存在的处理速度慢、控制区域受限及多视图编辑结果不一致问题，提出基于3D Gaussian Splatting的单视图编辑方法SVGS。该方法通过筛选多视图中最一致的视角进行编辑，结合稀疏Gaussian Splatting提升效率，实验证明其在编辑能力和处理速度上均优于现有基线方法。

　　

摘要AI摘要

要查看此由AI生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

基于文本的3D场景编辑因其便捷性和用户友好性而受到了广泛关注。然而，依赖于隐式3D表示的方法（如Neural Radiance Fields (NeRF)）虽然在渲染复杂场景时效果显著，但受到处理速度慢和对场景特定区域控制有限的限制。此外，现有的方法（包括Instruct-NeRF2NeRF和GaussianEditor）在执行文本指令时，不同视图之间经常会产生不一致的结果。这种不一致性可能会对模型的整体性能产生不利影响，使得在编辑结果的一致性和编辑效率之间找到平衡变得复杂。为了解决这些挑战，我们提出了一种名为“通过高斯散射进行单视图到3D对象编辑”（SVGS）的新方法，这是一种基于3D高斯散射（3DGS）的单视图文本驱动编辑技术。具体来说，针对文本指令，我们引入了一种基于多视图扩散模型的单视图编辑策略，该策略仅利用能够产生一致编辑结果的视图来重建3D场景。此外，我们采用稀疏3D高斯散射作为3D表示方法，显著提高了编辑效率。我们对SVGS与现有基线方法在各种场景设置下进行了比较分析，结果表明SVGS在编辑能力和处理速度方面均优于其竞争对手，代表了3D编辑技术的重要进步。如需更多详细信息，请访问我们的项目页面：https://amateurc.github.io/svgs.github.io/。

AI摘要

AI生成的摘要（实验性）

此摘要是使用自动化工具生成的，并非由文章作者编写或审核。它旨在帮助发现、帮助读者评估相关性，并协助来自相关研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍然是论文的主要摘要。完整文章是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进和未来版本的生成。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。