高斯检测：用于3D物体检测的闭合表面高斯学习
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了现有单目或基于NeRF的3D物体检测方法在物体表面建模上的局限性，提出了一种新颖的高斯检测方法，利用高斯点云表示物体的连续表面。通过引入闭合推理模块（CIM），该方法有效地处理了高斯点云中产生的众多异常值，显著提升了物体检测的准确性和召回率。
我们提出了一种高效的3D高斯分割模型MVSplat，通过稀疏多视图图像学习，利用三维空间中的平面扫描建立成本体积表示，提供深度估计的几何线索。在光度监督下，学习高斯图的透明度、协方差和球面谐波系数。实验表明，该模型在RealEstate10K和ACID测试中以22帧/秒的速度实现了先进性能，参数比pixelSplat少10倍，速度快两倍，且具备更高质量和跨数据集泛化能力。
