3D-HGS: 3D Half-Gaussian Splatting

照片级真实三维重建是三维计算机视觉中的一个基本问题。由于最近神经渲染技术的出现，该领域已经取得了相当大的进展。这些技术主要旨在专注于学习三维场景的体积表示，并通过由渲染导出的损失函数来优化这些表示。在这些技术中，三维高斯飞溅（3D-GS）已成为一种重要的方法，超越了神经辐射场（NeRFs）。3D-GS使用参数化的三维高斯函数来建模空间位置和颜色信息，结合基于瓦片的快速渲染技术。尽管其渲染性能和速度优越，但使用三维高斯核在准确表示不连续函数方面存在固有限制，特别是在形状不连续的边缘和角落以及颜色不连续的不同纹理之间。为了解决这个问题，我们提出了使用三维半高斯（3D-HGS）核，可以作为即插即用的核来使用。我们的实验表明，它们能够提高当前3D-GS相关方法的性能，并在各种数据集上实现最先进的渲染性能，而不会影响渲染速度。

本论文旨在解决三维重建中使用3D高斯核函数的局限性，尤其是在处理边缘和纹理不连续性时的问题。

论文提出使用3D半高斯核函数代替传统的3D高斯核函数，以提高三维重建的性能和精度。

论文的实验结果表明，使用3D半高斯核函数的方法在多个数据集上均取得了最先进的渲染性能，同时保持了较快的渲染速度。此外，论文提供了开源代码。

与本论文相关的研究包括Neural Radiance Fields (NeRFs)等。