GSFusion: Online RGB-D Mapping Where Gaussian Splatting Meets TSDF Fusion

传统的体积融合算法保留了三维场景的空间结构，这对计算机视觉和机器人学的许多任务都有益处。但是，它们在可视化方面常常缺乏真实感。新兴的三维高斯喷洒技术弥合了这一差距，但现有的基于高斯的重建方法往往存在伪影和与底层三维结构不一致的问题，并且在实时优化方面存在困难，无法为用户提供高质量的即时反馈。其中一个瓶颈是在优化过程中需要更新大量高斯参数。我们将高斯喷洒技术作为一种体积映射系统的组成部分，以利用几何信息，并建议使用图像上的四叉树数据结构来大幅减少初始化的喷洒数量。通过这种方式，我们同时生成了一个紧凑的、具有更少伪影的三维高斯地图和一个实时生成的体积地图。我们的方法 GSFusion 显著提高了计算效率，同时不牺牲渲染质量，这在合成和实际数据集上都得到了证明。代码将在 https://github.com/goldoak/GSFusion 上提供。

GSFusion论文旨在解决3D重建中的可视化问题和实时优化问题。通过将高斯平面投影到3D空间中，结合四叉树数据结构，提高计算效率和渲染质量。

将高斯平面投影到3D空间中，并结合四叉树数据结构，将原本需要更新的大量高斯参数数量大幅减少，同时生成紧凑的3D高斯图和体积图。

论文提出的GSFusion方法在计算效率和渲染质量方面都有显著提升，实验结果表明其在合成和真实数据集上都表现出色。论文提供了开源代码。

最近的相关研究包括：《OctNetFusion: Learning Depth Fusion from Data》、《Voxlets: A Multi-Scale Volumetric Representation for 3D Object Recognition》等。