GauU-Scene: A Scene Reconstruction Benchmark on Large Scale 3D Reconstruction Dataset Using Gaussian Splatting

我们使用新开发的3D表示方法高斯喷洒在我们广阔的U-Scene数据集上，引入了一个新的大规模场景重建基准。U-Scene涵盖了超过1.5平方公里的区域，配备了综合的RGB数据集和LiDAR地面真实数据。为了进行数据采集，我们使用了配备高精度Zenmuse L1 LiDAR的Matrix 300无人机，实现了对屋顶数据的精确收集。这个数据集提供了一个独特的城市和学术环境的混合，可用于高级空间分析，覆盖了超过1.5平方公里的区域。我们使用高斯喷洒对U-Scene进行了评估，并在各种新颖视角下进行了详细分析。我们还将这些结果与我们准确的点云数据集进行了对比，突显了重要性，即结合多模态信息。

本论文旨在介绍一种新的大规模场景重建基准测试，使用新开发的3D表示方法——高斯喷洒法，以我们广阔的U-Scene数据集为基础。该数据集包含超过1.5平方公里的城市和学术环境的综合RGB数据集和LiDAR地面真值。作者试图通过这个数据集和新的重建方法来解决大规模场景重建的问题。

论文提出了一种新的3D表示方法——高斯喷洒法，并将其用于大规模场景重建。这种方法可以结合多模态信息，提高重建的准确性。相比于当前领域的研究，该方法在处理大规模场景时具有更高的准确性和效率。

论文使用了Matrix 300无人机和高精度Zenmuse L1 LiDAR进行数据采集，并将其应用于U-Scene数据集上。作者对该数据集使用高斯喷洒法进行了详细分析，并与精确的点云数据集进行了对比。此外，该数据集的开源也是该论文的亮点之一。

最近在这个领域中，还有一些相关的研究，例如： 1.《Large-scale point cloud semantic segmentation with superpoint graphs》 2.《A benchmark for lidar-based semantic labeling in autonomous driving》 3.《Sparse-to-dense: depth prediction from sparse depth samples and a single image》