ICLR 2025｜高效重建几何精准的大规模复杂三维场景，中科院提出CityGaussianV2

各位小伙伴们，大家好呀！看看今天我又给各位带来了什么文章？本文标题是《ICLR 2025｜高效重建几何精准的大规模复杂三维场景，中科院提出CityGaussianV2》，很明显是关于科技周边的文章哈哈哈，其中内容主要会涉及到等等，如果能帮到你，觉得很不错的话，欢迎各位多多点评和分享！

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！

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://dekuliutesla.github.io/CityGaussianV2
• 论文链接: https://arxiv.org/pdf/2411.00771
• 代码链接 (600+⭐): https://github.com/DekuLiuTesla/CityGaussian

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：

1. 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。
2. 深度回归监督: 进一步提高了几何重建精度。
3. 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。

本篇关于《ICLR 2025｜高效重建几何精准的大规模复杂三维场景，中科院提出CityGaussianV2》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于科技周边的相关知识，请关注golang学习网公众号！