3D 视觉

Efficient Dense Matching for Enhanced Gaussian Splatting Using AV1 Motion Vectors

高效密集匹配用于增强的高斯点云拼接使用AV1运动向量

Julien Zouein, Vibhoothi Vibhoothi, François Pitié, Anil Kokaram

机构 * SigMedia 纠错

专题命中 Gaussian Splatting ：3DGS(summary_cn,abstract)；Gaussian Splatting(title,abstract)；NeRF(abstract,abstract_cn)；point cloud(abstract)

AI总结 本文提出基于AV1的特征检测与匹配流程，减少SfM计算开销，生成更密集的点云，提升3DGS性能，VMAF提升9点，训练时间减少63%。

SparseOIT: Improving Order-Independent Transparency 3DGS via Active Set Method

SparseOIT：通过主动集方法改进Order-Independent Transparency 3DGS

Wentao Yang, Fanzhen Kong, Zejian Kang, Xiangru Huang

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

专题命中 Gaussian Splatting ：3DGS(title,title_cn)；Gaussian Splatting(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出SparseOIT，通过主动集方法利用3DGS渲染方程中稀疏变量依赖性，提升Order-Independent Transparency效果，优于现有方法并达到体积渲染方法的性能。

Denoising-GS: Gaussian Splatting with Spatial-aware Denoising

去噪-GS：具有空间感知去噪的高斯点云

Qingyuan Zhou, Xinyi Liu, Weidong Yang, Ning Wang, Shuquan Ye, Ben Fei, Ying He, Wanli Ouyang

机构 * School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Fudan University（复旦大学） ； Software of Engineering（软件工程系） ； Dalian University of Technology（大连理工大学） ； Department of Information Engineering（信息工程系） ； The Chinese University of Hong Kong（香港中文大学） ； College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；3DGS(abstract,abstract_cn)；point cloud(abstract)；novel view synthesis(abstract)

AI总结 本文提出Denoising-GS，通过空间感知去噪框架改进3D高斯点云的优化过程，提升视点合成的保真度并保持表示紧凑性。

PanoPlane: Plane-Aware Panoramic Completion for Sparse-View Indoor 3D Gaussian Splatting

PanoPlane：基于平面感知的稀疏视角室内3D高斯散点完成

Adil Qureshi, Dongki Jung, Jaehoon Choi, Dinesh Manocha

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；novel view synthesis(abstract)；分类 cs.CV

AI总结 PanoPlane通过全景场景完成重建封闭房间几何，利用360度全景完成条件生成过程，通过Layout Anchored Attention Steering机制引导扩散模型注意力至检测到的平面表面，实现基于几何一致性的表面外推，提升稀疏视角下的新型视图合成质量。

FaceParts: Segmentation and Editing of Gaussian Splatting

FaceParts: 高斯点分布的分割与编辑

Tymoteusz Zapała, Julia Farganus, Dominik Galus, Mikołaj Czachorowski, Piotr Syga, Przemysław Spurek

机构 * Wrocław University of Science and Technology（华沙理工大学） ； Jagiellonian University（雅盖隆大学） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(title,abstract)；分类 cs.CV、cs.GR

AI总结 本文提出FaceParts框架，用于无监督的高斯点分布头像分割与编辑，通过特征解耦、密度聚类和FLAME锚定部分转移实现精确编辑和跨头像部分交换。

G-SHARP: Gaussian Surgical Hardware Accelerated Real-time Pipeline

G-SHARP：高斯手术硬件加速实时流程

Vishwesh Nath, Javier G. Tejero, Aravind S. Kumar, Ruilong Li, Filippo Filicori, Mahdi Azizian, Sean D. Huver

机构 * NVIDIA ； Northwell Health（北well健康） 纠错

专题命中 Gaussian Splatting ：Gaussian Splatting(abstract)；分类 cs.CV

AI总结 本文提出G-SHARP，一种兼容商业应用的实时手术场景重建框架，用于需要快速准确3D建模的微创手术。该框架基于GSplat可微高斯光栅化器，实现了原理上的变形建模和鲁棒遮挡处理，适用于EndoNeRF基准测试。