GeoGSplat: Geometry-Grounded Non-Pixel-Aligned Gaussian Splatting
作者: Jiale Wang, Chen Zhao, Haoyang Zhang, Yanhao Wu, Fei He, Yanhu Shan, Rui Wu, Wei Ke, Tong Zhang
分类: cs.CV
发布日期: 2026-10-27
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
提出GeoGSplat以解决高分辨率视图合成中的冗余问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 高斯点云 新视图合成 三维重建 几何先验 计算机视觉 深度学习
📋 核心要点
- 现有的高斯点云方法在高分辨率图像和多视角情况下，导致原始点数量冗余，计算成本高。
- GeoGSplat通过引入几何先验，采用双分支编码器和分层解码器，解决了高斯中心位置不准确的问题。
- 实验结果显示，GeoGSplat在新视图合成和三维重建上超越了现有方法，尤其在大视角变化下表现更佳。
📝 摘要（中文）
前馈高斯点云技术在新视图合成中表现出色，但像素对齐的预测方式导致原始点数量随图像分辨率和视角数量增加，从而造成冗余和计算成本上升。非像素对齐的方法通过预测固定数量的高斯点来解决这一问题，但缺乏显式的光线和深度约束，导致在大视角变化下高斯中心位置不准确，产生渲染伪影。为了解决这一问题，本文提出了GeoGSplat，一个几何基础的前馈模型，明确将几何先验融入非像素对齐框架中。通过双分支编码器构建锚点和三平面，分别捕捉粗略的三维结构和细致的场景特征，随后通过分层解码器逐步解码密集的三维点和高斯原语，实现三维重建和新视图合成。GeoGSplat在DTU和NRGBD数据集上超越了现有的像素对齐和非像素对齐高斯点云方法，尤其在目标视角远离输入相机时，展现出更强的泛化能力。
🔬 方法详解
问题定义：本文旨在解决现有高斯点云方法在高分辨率图像和多视角情况下的冗余问题，尤其是像素对齐预测导致的计算成本上升和渲染伪影。
核心思路：GeoGSplat通过引入几何先验，采用非像素对齐的方式，预测固定数量的高斯点，从而减少冗余并提高准确性。
技术框架：该方法包括双分支编码器和分层解码器。双分支编码器负责构建锚点和三平面，以捕捉粗略的三维结构和细致的场景特征；分层解码器则逐步解码出密集的三维点和高斯原语。
关键创新：GeoGSplat的创新在于将几何先验明确融入到非像素对齐框架中，解决了大视角变化下高斯中心位置不准确的问题，与现有方法相比，显著提升了渲染质量。
关键设计：在网络结构上，采用了双分支设计以分别处理不同层次的特征，损失函数设计上则考虑了几何约束，以确保高斯点的准确性和稳定性。具体参数设置和网络结构细节在论文中有详细描述。
🖼️ 关键图片
📊 实验亮点
GeoGSplat在DTU和NRGBD数据集上的实验结果显示，其在新视图合成和三维重建方面的性能超过了现有的像素对齐和非像素对齐高斯点云方法，尤其在目标视角远离输入相机时，表现出更强的泛化能力，提升幅度显著。
🎯 应用场景
GeoGSplat的研究成果在计算机视觉领域具有广泛的应用潜力，尤其是在虚拟现实、增强现实和三维重建等场景中。通过提高新视图合成的效率和质量，该技术能够为用户提供更为真实的视觉体验，推动相关行业的发展。
📄 摘要（原文）
Feed-forward Gaussian Splatting enables efficient novel view synthesis, but pixel-aligned prediction makes the primitive count grow with image resolution and view count, leading to substantial redundancy and increased computational cost. Non-pixel-aligned methods address this limitation by predicting a fixed number of Gaussians. Without explicit ray and depth constraints, these methods yield misplaced Gaussian centers, causing rendering artifacts under large viewpoint changes. To address this issue, we introduce GeoGSplat, a geometry-grounded feed-forward model that explicitly incorporates geometric priors into the non-pixel-aligned framework. A dual-branch encoder constructs Anchors and Triplane to capture coarse 3D structure and fine-grained scene features, respectively. Subsequently, a hierarchical decoder progressively decodes dense 3D points and Gaussian primitives, enabling 3D reconstruction and novel view synthesis. GeoGSplat surpasses both state-of-the-art pixel-aligned and non-pixel-aligned Gaussian Splatting methods on DTU and NRGBD in terms of novel view synthesis and reconstruction. The advantage of our geometry-grounded paradigm further increases as target viewpoints move farther from the input cameras, demonstrating stronger generalization to large viewpoint changes. Project Page: https://comedy0913.github.io/projects/geogsplat