Краткое содержание

arXiv:2512.17547v1 Тип объявления: новое Аннотация: 3D-гауссианы недавно стали эффективным представлением сцены для реального времени splatting и точного синтеза новых видов, что стимулировало несколько работ по адаптации сетей предсказания многоуглового строения к регрессии 3D-гауссиан на пиксельном уровне из изображений. Однако большинство предыдущих работ расширяют эти сети для предсказания дополнительных параметров гауссиана — ориентации, масштаба, прозрачности и внешнего вида — почти исключительно полагаясь на надзор синтезом видов. Мы показываем, что потеря синтеза видов сама по себе недостаточна для восстановления геометрически значимых splat'ов в этом контексте. Мы анализируем и решаем неоднозначности обучения 3D-гауссиановых splat'ов при само-надзоре для обобщенного splatting без учета позы, и представляем G3Splat, который накладывает геометрические priors для получения геометрически согласованных 3D-представлений сцены. Обученный на RE10K, наш подход достигает передового уровня в (i) геометрически согласованной реконструкции, (ii) относительных... Продолжение текста: (ii) относительной точности и (iii) обобщаемости. G3Splat использует дополнительные priors для обеспечения согласованности splat'ов с учетом геометрии и достигает лучших результатов по сравнению с существующими методами в условиях, где требуется точное восстановление 3D-сцены без информации о позе.