2DGS-Room: Sembrado de Gaussianas 2D Guiado por Semillas con Restricciones Geométricas para la Reconstrucción de Escenas Interiores de Alta Fidelidad

2DGS-Room: Seed-Guided 2D Gaussian Splatting with Geometric Constrains for High-Fidelity Indoor Scene Reconstruction

December 4, 2024

Autores: Wanting Zhang, Haodong Xiang, Zhichao Liao, Xiansong Lai, Xinghui Li, Long Zeng

cs.AI

Resumen

La reconstrucción de escenas interiores sigue siendo un desafío debido a la complejidad inherente de las estructuras espaciales y la prevalencia de regiones sin textura. Los avances recientes en el Splatting Gaussiano 3D han mejorado la síntesis de vistas novedosas con un procesamiento acelerado, pero aún no han logrado ofrecer un rendimiento comparable en la reconstrucción de superficies. En este artículo, presentamos 2DGS-Room, un método novedoso que aprovecha el Splatting Gaussiano 2D para la reconstrucción de escenas interiores de alta fidelidad. Específicamente, empleamos un mecanismo guiado por semillas para controlar la distribución de los Gaussianos 2D, con la densidad de puntos de semilla optimizada dinámicamente a través de mecanismos de crecimiento y poda adaptativos. Para mejorar aún más la precisión geométrica, incorporamos profundidad monocular y prioridades normales para proporcionar restricciones para los detalles y las regiones sin textura, respectivamente. Además, se emplean restricciones de consistencia multi-vista para mitigar artefactos y mejorar aún más la calidad de la reconstrucción. Experimentos extensos en los conjuntos de datos ScanNet y ScanNet++ demuestran que nuestro método logra un rendimiento de vanguardia en la reconstrucción de escenas interiores.

English

The reconstruction of indoor scenes remains challenging due to the inherent complexity of spatial structures and the prevalence of textureless regions. Recent advancements in 3D Gaussian Splatting have improved novel view synthesis with accelerated processing but have yet to deliver comparable performance in surface reconstruction. In this paper, we introduce 2DGS-Room, a novel method leveraging 2D Gaussian Splatting for high-fidelity indoor scene reconstruction. Specifically, we employ a seed-guided mechanism to control the distribution of 2D Gaussians, with the density of seed points dynamically optimized through adaptive growth and pruning mechanisms. To further improve geometric accuracy, we incorporate monocular depth and normal priors to provide constraints for details and textureless regions respectively. Additionally, multi-view consistency constraints are employed to mitigate artifacts and further enhance reconstruction quality. Extensive experiments on ScanNet and ScanNet++ datasets demonstrate that our method achieves state-of-the-art performance in indoor scene reconstruction.