💡
原文中文，约3900字，阅读约需10分钟。
📝
内容提要
中科院自动化所研究团队提出的CityGaussianV2算法，旨在高效重建大规模复杂三维场景。该算法结合2DGS的优点，优化训练和压缩过程，显著提升几何精度和渲染质量，同时降低显存开销。实验结果表明，CityGaussianV2在多个数据集上表现优异，推动了大规模场景重建技术的发展。
🎯
关键要点
- 中科院自动化所研究团队提出了CityGaussianV2算法，旨在高效重建大规模复杂三维场景。
- CityGaussianV2结合了2DGS的优点，优化训练和压缩过程，提升几何精度和渲染质量，降低显存开销。
- 该算法已接受于ICLR 2025，代码已开源，推动了大规模场景重建技术的发展。
- 3D Gaussian Splatting（3DGS）成为主流算法，但在复杂场景中面临重建精度不足的问题。
- 现有技术在大规模场景下的几何重建质量评估缺乏有效手段，训练开销巨大。
- CityGaussianV2引入了基于延展率过滤和梯度解耦的稠密化技术，合并训练和压缩过程，提升训练效率。
- 算法使用高斯分布表征场景，结合深度回归监督，确保重建表面的平整性。
- CityGaussianV2优化了并行训练管线，降低显存和存储开销，加速模型收敛。
- 提出了针对大规模场景的几何评测协议，确保评估的客观公正性。
- 实验结果表明，CityGaussianV2在几何精度和渲染质量上均表现优异，显著降低训练成本。
➡️
