RaDe-GS: Rasterizing Depth in Gaussian Splatting

高斯喷洒（GS）已被证明在新视角合成方面非常有效，实现了高质量和实时渲染。然而，它在重建详细的三维形状方面的潜力尚未得到充分探索。现有方法往往由于高斯喷洒的离散和非结构化特性而导致形状精度有限，这使得形状提取变得复杂。虽然最近的技术如2D GS尝试改进形状重建，但它们经常以减少渲染质量和计算效率的方式重新表述高斯基元。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洒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洒固有的计算效率。它在DTU数据集上实现了与NeuraLangelo相当的Chamfer距离误差，并保持了原始3D GS方法相似的计算效率。我们的方法是高斯喷洒的重要进展，并可以直接集成到现有的基于高斯喷洒的方法中。

本文试图探索Gaussian Splatting在重建详细三维形状方面的潜力，并解决其离散和非结构化特性对形状提取造成的限制。

本文提出了一种光栅化方法，用于渲染一般的三维高斯点云的深度图和表面法线图。该方法不仅显著提高了形状重建的精度，而且保持了Gaussian Splatting的计算效率。

本文的实验结果表明，该方法在DTU数据集上的Chamfer距离误差与NeuraLangelo相当，并且与原始3D GS方法具有相似的计算效率。本文的方法是Gaussian Splatting的重要进展，并且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，它们试图改善形状重建，但往往通过重新定义高斯原语来降低渲染质量和计算效率。