能夠在快速實現訓練和壓縮的同時，得到精準的幾何結構與逼真的實時渲染體驗。

原標題：ICLR 2025｜高效重建幾何精準的大規模復雜三維場景，中科院提出CityGaussianV2
文章來源：機器之心
內容字數：6578字

高效精準重建大規模復雜場景：CityGaussianV2算法詳解

機器之心AIxiv專欄報道了中科院自動化所研究團隊提出的CityGaussianV2算法，該算法用于大規模復雜三維場景的高效重建，已接受于ICLR 2025，并開源代碼。

1. 背景與挑戰

三維場景重建旨在從圖像恢復場景的三維結構，追求精準幾何和逼真渲染。3D Gaussian Splatting (3DGS)因其效率優勢成為主流，但其離散表征難以精確擬合物體表面，重建幾何精度不足。SuGaR、2DGS、GOF等改進算法在小場景表現出色，但在大型復雜場景中面臨更大挑戰，例如幾何精度下降、顯存、訓練耗時過長等問題，且缺乏有效的幾何重建質量評估手段。

2. CityGaussianV2算法介紹

CityGaussianV2繼承了CityGaussian的子模型劃分和數據分配方案，并使用2DGS作為基元。針對大規模場景重建的挑戰，它主要進行了以下優化：

1. 高斯基元優化：引入了基于延展率過濾和梯度解耦的稠密化技術，以及深度回歸監督，有效解決了2DGS在大型場景中存在的模糊偽影、基元過度增長等問題，提升了重建精度和訓練穩定性。
2. 并行訓練管線優化：合并了訓練和壓縮過程，刪除冗余步驟，周期性地刪除重要性低的基元，降低了顯存和存儲開銷，加速了模型收斂速度，并提升了對低端設備的友好性。
3. 大規模重建幾何評估協議：基于點云的目擊頻次統計，設計了針對大規模場景欠觀測區域的邊界估計方案，有效規避了欠觀測區域重建效果不穩定對指標的影響，使評估更客觀公正。

3. 實驗結果與分析

實驗結果表明，CityGaussianV2在幾何精度（精度P，召回率R，F1-Score）方面均優于現有算法，重建結果細節更準確、完整性更高，渲染質量也與CityGaussian V1相當。同時，CityGaussianV2有效解決了顯存問題，顯著減少了訓練時間和顯存開銷，并能將大規模場景重建結果以約400M的體積存儲。

4. 總結

CityGaussianV2算法針對大規模復雜場景高效精準重建的挑戰，提出了一種基于2DGS基元、并行訓練和高效壓縮的解決方案。它解決了2DGS在大規模場景中的收斂速度和擴展能力問題，并建立了大規模場景下的幾何精度評估基準。實驗結果驗證了該方法的效率、有效性和魯棒性，為大規模三維場景重建提供了新的技術方案。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺