BlockGaussian: Efficiënte grootschalige scèneweergave via adaptieve blokgebaseerde Gaussische splatting

BlockGaussian: Efficient Large-Scale Scene Novel View Synthesis via Adaptive Block-Based Gaussian Splatting

April 12, 2025

Auteurs: Yongchang Wu, Zipeng Qi, Zhenwei Shi, Zhengxia Zou

cs.AI

Samenvatting

De recente vooruitgang in 3D Gaussian Splatting (3DGS) heeft opmerkelijke potentie getoond in taken voor het synthetiseren van nieuwe gezichtspunten. Het divide-and-conquer paradigma heeft grootschalige scène-reconstructie mogelijk gemaakt, maar er blijven aanzienlijke uitdagingen bestaan in scène-partitionering, optimalisatie en samenvoegingsprocessen. Dit artikel introduceert BlockGaussian, een nieuw framework dat een inhoudsbewuste scène-partitioneringsstrategie en zichtbaarheidsbewuste blokoptimalisatie omvat om efficiënte en hoogwaardige grootschalige scène-reconstructie te bereiken. Specifiek houdt onze aanpak rekening met de variatie in inhoudscomplexiteit in verschillende regio's en balanceert het de rekenbelasting tijdens scène-partitionering, wat efficiënte scène-reconstructie mogelijk maakt. Om het toezichtsmismatchprobleem tijdens onafhankelijke blokoptimalisatie aan te pakken, introduceren we hulppunten tijdens individuele blokoptimalisatie om de grondwaarheid-toezicht af te stemmen, wat de reconstructiekwaliteit verbetert. Bovendien stellen we een pseudo-view geometriebeperking voor die effectief de weergradedegradatie vermindert die wordt veroorzaakt door luchtruimfloaters tijdens bloksamenvoeging. Uitgebreide experimenten op grootschalige scènes tonen aan dat onze aanpak state-of-the-art prestaties bereikt in zowel reconstructie-efficiëntie als weergavekwaliteit, met een 5x versnelling in optimalisatie en een gemiddelde PSNR-verbetering van 1.21 dB op meerdere benchmarks. Opmerkelijk is dat BlockGaussian de rekenvereisten aanzienlijk vermindert, waardoor grootschalige scène-reconstructie op een enkel 24GB VRAM-apparaat mogelijk wordt. De projectpagina is beschikbaar op https://github.com/SunshineWYC/BlockGaussian.

English

The recent advancements in 3D Gaussian Splatting (3DGS) have demonstrated remarkable potential in novel view synthesis tasks. The divide-and-conquer paradigm has enabled large-scale scene reconstruction, but significant challenges remain in scene partitioning, optimization, and merging processes. This paper introduces BlockGaussian, a novel framework incorporating a content-aware scene partition strategy and visibility-aware block optimization to achieve efficient and high-quality large-scale scene reconstruction. Specifically, our approach considers the content-complexity variation across different regions and balances computational load during scene partitioning, enabling efficient scene reconstruction. To tackle the supervision mismatch issue during independent block optimization, we introduce auxiliary points during individual block optimization to align the ground-truth supervision, which enhances the reconstruction quality. Furthermore, we propose a pseudo-view geometry constraint that effectively mitigates rendering degradation caused by airspace floaters during block merging. Extensive experiments on large-scale scenes demonstrate that our approach achieves state-of-the-art performance in both reconstruction efficiency and rendering quality, with a 5x speedup in optimization and an average PSNR improvement of 1.21 dB on multiple benchmarks. Notably, BlockGaussian significantly reduces computational requirements, enabling large-scale scene reconstruction on a single 24GB VRAM device. The project page is available at https://github.com/SunshineWYC/BlockGaussian