2DGS-Room : Étalement gaussien 2D guidé par une graine avec contraintes géométriques pour la reconstruction de scènes intérieures haute fidélité

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

December 4, 2024

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

cs.AI

Résumé

La reconstruction des scènes intérieures reste un défi en raison de la complexité inhérente des structures spatiales et de la prévalence des régions sans texture. Les récentes avancées en matière de Splatting gaussien 3D ont amélioré la synthèse de nouvelles vues avec un traitement accéléré, mais n'ont pas encore fourni des performances comparables en matière de reconstruction de surface. Dans cet article, nous présentons 2DGS-Room, une nouvelle méthode exploitant le Splatting gaussien 2D pour une reconstruction de scène intérieure haute fidélité. Plus précisément, nous utilisons un mécanisme guidé par des graines pour contrôler la distribution des Gaussiennes 2D, la densité des points de graine étant dynamiquement optimisée grâce à des mécanismes de croissance et d'élagage adaptatifs. Pour améliorer davantage la précision géométrique, nous incorporons des contraintes de profondeur monoculaire et de normales pour fournir respectivement des contraintes pour les détails et les régions sans texture. De plus, des contraintes de cohérence multi-vues sont utilisées pour atténuer les artefacts et améliorer encore la qualité de la reconstruction. Des expériences approfondies sur les ensembles de données ScanNet et ScanNet++ démontrent que notre méthode atteint des performances de pointe en matière de reconstruction de scènes intérieures.

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.