RaDe-GS: Rasterizing Depth in Gaussian Splatting

高斯喷涂（Gaussian Splatting，GS）已被证明在新视角合成方面非常有效，能够实现高质量和实时渲染。然而，它在重建详细的三维形状方面的潜力尚未完全探索。现有方法通常由于高斯喷涂的离散和非结构化特性而受到形状精度有限的困扰，这使得形状提取变得复杂。尽管最近的技术如2D GS试图改善形状重建，但它们常常以降低渲染质量和计算效率的方式重新构造高斯基元。为了解决这些问题，我们的工作引入了一种光栅化方法来渲染通用三维高斯喷涂的深度图和表面法线图。我们的方法不仅显著提高了形状重建精度，而且还保持了高斯喷涂固有的计算效率。我们的方法在DTU数据集上实现了与NeuraLangelo相当的Chamfer距离误差，并且在Tanks＆Temples数据集上具有与传统高斯喷涂相似的训练和渲染时间。我们的方法是高斯喷涂的重大进展，并且可以直接集成到现有的基于高斯喷涂的方法中。

论文旨在探索Gaussian Splatting在重建详细三维形状方面的潜力，以及解决其离散和无结构特性对形状提取造成的限制。

论文提出了一种栅格化方法，用于渲染一般三维高斯斑点的深度图和表面法线图，从而显著提高了形状重建的准确性，同时保持了高斯斑点固有的计算效率。

论文的方法在DTU数据集上实现了与NeuraLangelo相当的Chamfer距离误差，在Tanks＆Temples数据集上实现了与传统Gaussian Splatting相似的训练和渲染时间。该方法是Gaussian Splatting领域的重要进展，可以直接集成到现有的基于Gaussian Splatting的方法中。

最近的相关研究包括2D GS等方法，旨在改善形状重建，但往往通过重新定义高斯基元来降低渲染质量和计算效率。