GS-Share: Enabling High-fidelity Map Sharing with Incremental Gaussian Splatting

📄 arXiv: 2510.02884v1 📥 PDF

作者: Xinran Zhang, Hanqi Zhu, Yifan Duan, Yanyong Zhang

分类: cs.GR

发布日期: 2025-10-03

备注: 11 pages, 11 figures

💡 一句话要点

GS-Share：通过增量高斯溅射实现高保真地图共享

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 3D地图共享 高斯溅射 增量更新 自动驾驶 增强现实

📋 核心要点

  1. 现有3D地图共享系统在高保真度、连续更新和网络效率方面存在挑战，难以满足实际应用需求。
  2. GS-Share通过基于锚点的全局地图构建、虚拟图像增强和增量更新，实现了高保真、紧凑的地图共享。
  3. 实验表明，GS-Share在保真度上优于现有方法，尤其是在外推视图中，同时显著降低了地图传输开销。

📝 摘要（中文）

构建和共享3D地图对于自动驾驶和增强现实等诸多应用至关重要。 近年来，3D高斯溅射已成为一种有前景的精确3D重建方法。 然而，一个具有高保真度、连续更新和网络效率的实用地图共享系统仍然难以实现。 为了应对这些挑战，我们推出了GS-Share，这是一个具有紧凑表示的逼真地图共享系统。 GS-Share的核心包括基于锚点的全局地图构建、基于虚拟图像的地图增强和增量地图更新。 我们针对最先进的方法评估了GS-Share，结果表明我们的系统实现了更高的保真度，尤其是在外推视图方面，PSNR、LPIPS和深度L1分别提高了11%、22%和74%。 此外，GS-Share更加紧凑，减少了36%的地图传输开销。

🔬 方法详解

问题定义：现有3D地图共享方法在高保真度、连续更新和网络效率之间难以取得平衡。具体来说，重建质量不高，尤其是在未观测区域；地图更新不及时，无法反映环境变化；地图数据量大，传输成本高昂。这些问题限制了3D地图共享在自动驾驶、增强现实等领域的应用。

核心思路：GS-Share的核心思路是利用3D高斯溅射（3D Gaussian Splatting）进行场景重建，并通过锚点机制实现全局地图构建，利用虚拟图像进行地图增强，并采用增量更新策略来提高效率。通过这些方法，GS-Share旨在实现高保真、紧凑且可高效更新的3D地图共享。

技术框架：GS-Share系统主要包含三个阶段：1) 基于锚点的全局地图构建：选择关键帧作为锚点，构建全局一致的3D高斯模型。2) 基于虚拟图像的地图增强：利用渲染的虚拟图像来优化和完善地图，尤其是在未观测区域。3) 增量地图更新：只传输和更新地图的变化部分，而不是整个地图，从而提高网络效率。

关键创新：GS-Share的关键创新在于将锚点机制、虚拟图像增强和增量更新策略有效地结合起来，用于3D高斯溅射地图的构建和共享。与现有方法相比，GS-Share能够更好地处理未观测区域，提高地图的整体质量，并显著降低地图传输开销。

关键设计：GS-Share的关键设计包括：锚点选择策略，选择具有代表性的关键帧作为锚点；虚拟图像生成方法，生成高质量的虚拟图像用于地图增强；增量更新策略，确定需要更新的地图区域和高斯参数。损失函数的设计也至关重要，需要平衡重建质量、渲染质量和地图紧凑性。

📊 实验亮点

GS-Share在多个数据集上进行了评估，实验结果表明，GS-Share在PSNR、LPIPS和深度L1指标上分别比现有方法提高了11%、22%和74%，尤其是在外推视图方面。此外，GS-Share还显著降低了地图传输开销，减少了36%的地图传输量，证明了其在高保真度和网络效率方面的优势。

🎯 应用场景

GS-Share在自动驾驶、增强现实、机器人导航等领域具有广泛的应用前景。它可以为自动驾驶车辆提供高精度、实时更新的3D环境地图，提高导航的准确性和安全性。在增强现实中，GS-Share可以用于构建逼真的虚拟场景，提升用户体验。此外，GS-Share还可以应用于机器人导航，帮助机器人在复杂环境中进行自主定位和路径规划。

📄 摘要（原文）

Constructing and sharing 3D maps is essential for many applications, including autonomous driving and augmented reality. Recently, 3D Gaussian splatting has emerged as a promising approach for accurate 3D reconstruction. However, a practical map-sharing system that features high-fidelity, continuous updates, and network efficiency remains elusive. To address these challenges, we introduce GS-Share, a photorealistic map-sharing system with a compact representation. The core of GS-Share includes anchor-based global map construction, virtual-image-based map enhancement, and incremental map update. We evaluate GS-Share against state-of-the-art methods, demonstrating that our system achieves higher fidelity, particularly for extrapolated views, with improvements of 11%, 22%, and 74% in PSNR, LPIPS, and Depth L1, respectively. Furthermore, GS-Share is significantly more compact, reducing map transmission overhead by 36%.