hku-mars/GS-SDF

What it solves

GS-SDFは、3Dシーンマッピングにおいて、フォトリアルなレンダリングと高粒度な表面再構成の両立という課題に対処します。標準的なGaussian Splattingでよく見られる幾何学的な不整合の問題を、LiDARデータを統合することで解決し、再構成された表面が物理的に根拠に基づき、幾何学的に一貫していることを保証します。

How it works

このシステムは、Gaussian SplattingとニューラルSigned Distance Field (SDF)を組み合わせたものです。正確なLiDARポイントクラウドを使用してニューラルSDFを学習させ、マニホールド幾何学フィールドを提供します。このSDFは、Gaussianプリミティブの初期化（SDFベースのGaussian初期化）をガイドし、学習プロセス中に幾何学的正則化を提供することで、結果として得られるレンダリングと再構成がシーンの物理的な幾何学と一致することを保証します。

Who it’s for

このプロジェクトは、3D再構成、SLAM (Simultaneous Localization and Mapping)、およびロボット知覚、特にLiDAR-visualシステムを使用している研究者や開発者向けです。

Highlights

• LiDAR-Visual Synergy: LiDARの幾何学的な強みと、Gaussian Splattingのフォトリアルな外観の強みを組み合わせます。
• SDF-Guided Initialization: ニューラルSDFを使用して、Gaussianプリミティブを物理的に根拠に基づいた場所に配置します。
• Headless Rendering: 評価と比較のために、任意のカメラパスに沿ったバッチフライスルーレンダリングをサポートします。
• Multi-camera Support: マルチカメラデータセットおよびColmap形式のデータと互換性があります。