无人机辅助的道路高斯点云渲染与跨视角不确定性
内容提要
DrivingGaussian是一个高效的自主驾驶场景动态环境重建框架，利用高斯图处理移动物体，结合LiDAR和高斯插值法实现高质量重建。U-Scene数据集提供丰富的城市环境数据，支持高级空间分析。新方法结合扩散模型和多模态数据，提升新视角合成效果，并提出在线密集建图框架HGS-Mapping，显著提高重建速度和精度。
延伸解读
动态场景重建的挑战与应对
自动驾驶场景中移动物体多，遮挡关系复杂，传统方法难以准确重建。DrivingGaussian通过动态高斯图分别建模静态背景和移动物体，恢复物体的准确位置和遮挡关系，并使用LiDAR和高斯喷洒实现多相机一致的全景合成。这为动态环境重建提供了新思路。
U-Scene数据集：大规模多模态基准
U-Scene数据集覆盖超过1.5平方公里，包含RGB图像和LiDAR点云，使用无人机搭载高精度LiDAR采集，提供了城市与学术环境的结合。该数据集支持高级空间分析，并用于评估高斯插值法等三维表示方法，突出了多模态信息结合的重要性。
在线建图与扩散模型提升渲染
HGS-Mapping框架采用混合高斯表示和自适应更新，仅用66%的高斯模型数量就实现了SOTA重建精度，并加快20%的重建速度。同时，结合扩散模型和多模态数据的方法提高了新视角合成效果，增强了自动驾驶模拟中街景渲染的逼真度。
外推视角合成：新问题与解决方案
现有城市场景重建方法通常只能合成与训练相机轨迹类似的视角，对于向左、向右或向下看等外推视角，性能无法保证。本文首次解决外推视角合成问题，通过稠密LiDAR地图初始化模型，并利用表面法线估计器和大规模扩散模型等先验知识，提升了渲染质量。
Q&A
DrivingGaussian框架的主要功能是什么？
DrivingGaussian框架用于重建自主驾驶场景中的动态环境，能够处理多个移动物体并恢复其准确位置和遮挡关系。
U-Scene数据集的特点是什么？
U-Scene数据集覆盖面积超过1.5km²，包含丰富的城市环境数据，支持高级空间分析。
HGS-Mapping框架的优势是什么？
HGS-Mapping框架通过混合高斯表示方法实现高保真和快速重建，显著提高了重建速度和精度。
如何提高新视角合成效果？
结合扩散模型和多模态数据可以有效提高新视角合成效果，增强自动驾驶模拟中的街景表现。
DC-Gaussian方法的应用是什么？
DC-Gaussian方法用于从车载行车记录仪视频中生成新的视角，并在新视角合成方面取得了先进性能。
RoGS方法如何提升道路表面重建质量？
RoGS方法通过显式表示道路几何形状和基于轨迹的初始化方法，提升了道路表面重建质量并加速重建过程。
