2DGS-Room: Seed-Guided 2D Gaussian Splatting with Geometric Constrains for High-Fidelity Indoor Scene Reconstruction

要約

空間構造の固有の複雑さとテクスチャのない領域の蔓延により、屋内シーンの再構築は依然として困難です。
3D ガウス スプラッティングの最近の進歩により、処理の高速化により新しいビューの合成が向上しましたが、表面の再構成ではまだ同等のパフォーマンスを実現できていません。
この論文では、高忠実度の屋内シーン再構築に 2D ガウス スプラッティングを活用した新しい方法である 2DGS-Room を紹介します。
具体的には、シード ガイド型メカニズムを採用して 2D ガウス分布を制御し、適応成長および枝刈りメカニズムを通じてシード ポイントの密度を動的に最適化します。
幾何学的精度をさらに向上させるために、単眼深度と法線事前分布を組み込んで、それぞれ詳細とテクスチャのない領域に制約を与えます。
さらに、マルチビューの一貫性制約を採用してアーティファクトを軽減し、再構成の品質をさらに高めます。
ScanNet および ScanNet++ データセットに関する広範な実験により、私たちの方法が屋内シーンの再構築において最先端のパフォーマンスを達成できることが実証されました。

要約(オリジナル)

The reconstruction of indoor scenes remains challenging due to the inherent complexity of spatial structures and the prevalence of textureless regions. Recent advancements in 3D Gaussian Splatting have improved novel view synthesis with accelerated processing but have yet to deliver comparable performance in surface reconstruction. In this paper, we introduce 2DGS-Room, a novel method leveraging 2D Gaussian Splatting for high-fidelity indoor scene reconstruction. Specifically, we employ a seed-guided mechanism to control the distribution of 2D Gaussians, with the density of seed points dynamically optimized through adaptive growth and pruning mechanisms. To further improve geometric accuracy, we incorporate monocular depth and normal priors to provide constraints for details and textureless regions respectively. Additionally, multi-view consistency constraints are employed to mitigate artifacts and further enhance reconstruction quality. Extensive experiments on ScanNet and ScanNet++ datasets demonstrate that our method achieves state-of-the-art performance in indoor scene reconstruction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google