基于高斯泼溅的轻量级重建场景分割方法

作     者：王锋 银莹 王佳炎 唐勇 李胜 赵静 WANG Feng;YIN Ying;WANG Jia-Yan;TANG Yong;LI Sheng;ZHAO Jing

作者机构：燕山大学信息科学与工程学院河北秦皇岛066004 河北省计算机虚拟技术与系统集成重点实验室河北秦皇岛066004 北京大学计算机学院北京100871 北京大学北京市虚拟仿真与可视化工程中心北京100871 

出 版 物：《计算机学报》 (Chinese Journal of Computers)

年 卷 期：2025年第48卷第5期

页      面：1232-1243页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：河北省省级科技计划资助(中央引导地方:246Z0105G) 河北省创新能力提升计划项目资助(22567626H) 

主　　题：三维分割 神经辐射场 三维重建 高斯泼溅 分割模型 

摘      要：在三维重建领域,最新提出的三维高斯溅射方法相比于神经辐射场方法在训练时间和重建质量上均得到显著提升,但是由于重建场景的复杂性和不同物体之间产生的遮挡,导致重建场景的分割十分具有挑战性。本文提出了一种轻量级的3D高斯重建场景分割方法,能够在复杂的重建场景中分割出指定物体。具体来说,首先利用高斯泼溅的可微分特性,在重建过程中为每个高斯核训练一个类别特征用于类别预测。同时,设计并训练一个多层感知器作为解码器,输入类别特征预测出高斯核的类别信息,从而实现对目标对象的高效分割。接着,在渲染图像的同时,将类别特征映射到每个像素上,并使用图像分割模型获得目标物体对应区域的类别特征,再将其输入解码器以获得所选物体的类别,从而实现在重建场景中分割目标物体。最终,为了减少分割过程中产生的噪声并优化分割结果,在分割结果中进一步使用KNN算法对分割结果进行去噪处理。最终实现从任意视角分割重建场景中的目标对象。实验结果表明,本文方法能够有效应用于多种复杂场景,可轻松地与现有的图像分割模型集成,实现毫秒级内对重建场景的分割,在节省大量内存的同时不影响分割质量。相关代码将发布在https://***/wangfeng70117/Gaussian-Extracting.