DHGS: Decoupled Hybrid Gaussian Splatting for Driving Scene

要約

既存のガウス スプラッティング手法では、巧妙な設計と関連要素の幾何学的制約の欠如により、運転シーンで満足のいく新しいビュー合成を達成するのに苦労しています。
この論文では、分離ハイブリッド ガウス スプラッティング (DHGS) と呼ばれる新しい方法を紹介します。これは、運転シーンの新しいビュー合成のレンダリング品質を向上させることを目的としています。
この研究の新規性は、シーン全体に対する従来の統一された微分可能なレンダリング ロジックを使用せず、提案された深さ順レンダリング戦略を通じて一貫性のある連続的なスーパーインポーズを維持しながら、道路レイヤーと非道路レイヤーの分離されたハイブリッド ピクセル レベル ブレンダーにあります。
さらに、符号付き距離フィールド (SDF) で構成される暗黙的な道路表現が、微妙な幾何学的属性で路面を監視するようにトレーニングされます。
補助透過率損失と一貫性損失を使用することにより、境界が知覚できず、忠実度が向上した新しい画像が最終的に得られます。
Waymo データセットに関する実質的な実験により、DHGS が最先端の方法よりも優れていることが証明されています。

要約(オリジナル)

Existing Gaussian splatting methods struggle to achieve satisfactory novel view synthesis in driving scenes due to the lack of crafty design and geometric constraints of related elements. This paper introduces a novel method called Decoupled Hybrid Gaussian Splatting (DHGS), which aims at promoting the rendering quality of novel view synthesis for driving scenes. The novelty of this work lies in the decoupled and hybrid pixel-level blender for road and non-road layers, without conventional unified differentiable rendering logic for the entire scene, meanwhile maintaining consistent and continuous superimposition through the proposed depth-ordered rendering strategy. Beyond that, an implicit road representation comprised of Signed Distance Field (SDF) is trained to supervise the road surface with subtle geometric attributes. Accompanied by the use of auxiliary transmittance loss and consistency loss, novel images with imperceptible boundary and elevated fidelity are ultimately obtained. Substantial experiments on Waymo dataset prove that DHGS outperforms the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google