FeatureGS: Eigenvalue-Feature Optimization in 3D Gaussian Splatting for Geometrically Accurate and Artifact-Reduced Reconstruction

要約

3Dガウススプラッティング（3DGS）は、3Dガウスを使用した3Dシーン再建の強力なアプローチとして浮上しています。
ただし、ガウスの中心も表面もオブジェクト表面に正確に整列しておらず、ポイントクラウドとメッシュの再構築での直接使用を複雑にします。
さらに、3DGは通常、フローターアーティファクトを生成し、ガウスの数とストレージ要件を増やします。
これらの問題に対処するために、固有値由来の3D形状機能に基づいた追加の幾何学的損失項を3DGの最適化プロセスに組み込んだfeaturegsを紹介します。
目標は、地元の3D近隣の構造エントロピーを削減した平面表面の幾何学的精度を改善し、平面表面の特性を強化することです。ガウスの「平面性」、および「平面性」、「「オムニバリアンス」に基づく幾何学的損失項の4つの代替製剤を提示します。
、およびガウス近隣の「固有種」。
DTUベンチマークデータセットの15シーンで定量的評価と定性的評価を提供します。これは、ーマー距離で測定された幾何学的精度とアーティファクト削減、およびガウスの総数によって評価されるメモリ効率の幾何学的精度とアーティファクト削減に焦点を当てています。
さらに、レンダリング品質は、ピーク信号対雑音比で監視されます。
FeatureGSは、幾何学的精度の30％の改善を達成し、ガウスの数を90％減らし、フローターアーティファクトを抑制し、同等の測光レンダリング品質を維持します。
ガウスからの「平面性」を伴う幾何学的損失は、最も高い幾何学的精度を提供しますが、ガウス近隣の「省略」はフローターアーティファクトとガウスの数を最も減らします。
これにより、Featuregsは、幾何学的表現のためにガウスセンターを直接使用できるように、幾何学的に正確でアーティファクト還元されたメモリ効率の高い3Dシーンの再構築の強力な方法になります。

要約(オリジナル)

3D Gaussian Splatting (3DGS) has emerged as a powerful approach for 3D scene reconstruction using 3D Gaussians. However, neither the centers nor surfaces of the Gaussians are accurately aligned to the object surface, complicating their direct use in point cloud and mesh reconstruction. Additionally, 3DGS typically produces floater artifacts, increasing the number of Gaussians and storage requirements. To address these issues, we present FeatureGS, which incorporates an additional geometric loss term based on an eigenvalue-derived 3D shape feature into the optimization process of 3DGS. The goal is to improve geometric accuracy and enhance properties of planar surfaces with reduced structural entropy in local 3D neighborhoods.We present four alternative formulations for the geometric loss term based on ‘planarity’ of Gaussians, as well as ‘planarity’, ‘omnivariance’, and ‘eigenentropy’ of Gaussian neighborhoods. We provide quantitative and qualitative evaluations on 15 scenes of the DTU benchmark dataset focusing on following key aspects: Geometric accuracy and artifact-reduction, measured by the Chamfer distance, and memory efficiency, evaluated by the total number of Gaussians. Additionally, rendering quality is monitored by Peak Signal-to-Noise Ratio. FeatureGS achieves a 30 % improvement in geometric accuracy, reduces the number of Gaussians by 90 %, and suppresses floater artifacts, while maintaining comparable photometric rendering quality. The geometric loss with ‘planarity’ from Gaussians provides the highest geometric accuracy, while ‘omnivariance’ in Gaussian neighborhoods reduces floater artifacts and number of Gaussians the most. This makes FeatureGS a strong method for geometrically accurate, artifact-reduced and memory-efficient 3D scene reconstruction, enabling the direct use of Gaussian centers for geometric representation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google