是否還在擔(dān)心大規(guī)模場景訓(xùn)練和壓縮耗時太長、顯存開銷太大？是否還在苦惱重建出的建筑物和道路表面破碎不堪？是否還在困擾如何定量衡量大規(guī)模場景幾何重建的精確程度？

來自中科院自動化所的研究團(tuán)隊(duì)提出了用于大規(guī)模復(fù)雜三維場景的高效重建算法 CityGaussianV2，能夠在快速實(shí)現(xiàn)訓(xùn)練和壓縮的同時，得到精準(zhǔn)的幾何結(jié)構(gòu)與逼真的實(shí)時渲染體驗(yàn)。該論文已接受于 ICLR`2025，其代碼也已同步開源。

• 論文題目：CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes
• 項(xiàng)目主頁: https://dekuliutesla.github.io/CityGaussianV2 
• 論文鏈接: https://arxiv.org/pdf/2411.00771
• 代碼鏈接 (600+?): https://github.com/DekuLiuTesla/CityGaussian 

研究背景

三維場景重建旨在基于圍繞目標(biāo)場景拍攝的一組圖像恢復(fù)出場景的三維結(jié)構(gòu)，其核心追求是精準(zhǔn)的幾何結(jié)構(gòu)以及逼真的圖像渲染。隨著近兩年的發(fā)展，3D Gaussian Splatting（3DGS）因其訓(xùn)練和渲染效率上的優(yōu)勢逐漸成為該領(lǐng)域的主流算法。這一技術(shù)使用一組離散的高斯橢球來表示場景，并使用高度優(yōu)化的光柵器進(jìn)行渲染。然而，這一離散且無序的表征形式通常難以很好地擬合物體表面的實(shí)際分布，導(dǎo)致重建出的場景幾何結(jié)構(gòu)并不精準(zhǔn)。近來包括 SuGaR、2DGS、GOF 在內(nèi)的一系列杰出工作針對這一問題進(jìn)行了探索，并給出了有效的解決方案。

幾何重建質(zhì)量可視化比較

盡管這些技術(shù)在單一目標(biāo)或小場景上取得了巨大的成功，但它們應(yīng)用于復(fù)雜的大規(guī)模場景卻往往面臨比 3DGS 更加嚴(yán)峻的挑戰(zhàn)。上圖展現(xiàn)了不同算法在大規(guī)模場景下的幾何重建效果。SuGaR 的模型容量有限，難以還原精細(xì)的幾何結(jié)構(gòu)；GOF 受到嚴(yán)重的模糊鬼影的干擾，許多視角下畫面被鬼影完全遮擋，以至于監(jiān)督失效，重建結(jié)果面對顯著的欠擬合；2DGS 受到模糊鬼影的影響較弱，但也妨礙了其收斂效果，并且退化現(xiàn)象容易誘發(fā)高斯基元的過度增長，進(jìn)而引起顯存爆炸，訓(xùn)練難以為繼。

此外，大規(guī)模場景下長期以來缺少幾何重建質(zhì)量的有效評估手段，已有的工作或只進(jìn)行了可視化定性比較，或忽視了欠觀測區(qū)域不穩(wěn)定的重建效果對指標(biāo)產(chǎn)生的干擾。大規(guī)模場景的重建往往還意味著顯著的訓(xùn)練開銷，要重建 1.97 平方千米的區(qū)域會產(chǎn)生接近兩千萬的高斯點(diǎn)，這意味著 4.6G 的存儲以及 31.5G 的顯存開銷，以及超過三小時的訓(xùn)練時長。如果要進(jìn)一步完成壓縮，通常還需要額外將近一個小時的時間。

針對這三方面的技術(shù)挑戰(zhàn)，本文提出了 CityGaussianV2。該算法繼承了 CityGaussian 的子模型劃分與數(shù)據(jù)分配方案，并使用 2DGS 作為基元來重建。在此基礎(chǔ)上，CityGaussianV2 引入了基于延展率過濾和梯度解耦的稠密化技術(shù)，以及深度回歸監(jiān)督，同時合并了訓(xùn)練和壓縮過程，得到了端到端的高效。訓(xùn)練管線，不僅有效加速算法收斂，同時保障了穩(wěn)定、快速、低顯存開銷的并行訓(xùn)練。

CityGaussianV2 方法介紹

1.場景重建基礎(chǔ)

3DGS 使用一組高斯分布表征的橢球?qū)鼍斑M(jìn)行表征，每個高斯球同時綁定包括不透明度、顏色以及高階球諧系數(shù)等用于 alpha blending 渲染的屬性，并通過包含 L1 損失和 SSIM 損失的加權(quán)和對渲染質(zhì)量進(jìn)行監(jiān)督。在訓(xùn)練過程中，算法還會根據(jù)每個高斯基元的梯度信息進(jìn)行自適應(yīng)地分裂和克隆，使得重建效果不佳的區(qū)域能夠自動被更合適的基元填充。2DGS 旨在增強(qiáng)幾何重建精度，并將橢球降維為橢圓面片作為基元表征場景，同時對渲染出的深度和法向量分布施加監(jiān)督，保證重建表面的平整性。

CityGaussian 旨在將 3DGS 泛化到大場景，首先預(yù)訓(xùn)練一個表征全局場景的粗粒度的 3DGS 場，隨后將預(yù)訓(xùn)練結(jié)果劃分為一系列子模型，并根據(jù)子模型對訓(xùn)練視圖渲染的貢獻(xiàn)程度為每個子模型分配訓(xùn)練數(shù)據(jù)。每個子模型隨后會用不同的 GPU 并行微調(diào)，并在訓(xùn)練結(jié)束后進(jìn)行合并和壓縮，得到場景的最終表征。

2.CityGaussianV2 的優(yōu)化算法

高斯基元優(yōu)化算法示意圖

現(xiàn)有表面重建方案在泛化到大場景時往往展現(xiàn)出收斂遲緩、訓(xùn)練不穩(wěn)定等問題，導(dǎo)致并行訓(xùn)練失敗，難以取得良好的重建效果。我們的算法以泛化能力最好的 2DGS 為基元，在引入 Depth-Anything-V2 的偽深度監(jiān)督提供幾何先驗(yàn)的基礎(chǔ)上，進(jìn)一步提出了新的高斯基元稠密化方案。我們觀察到，在復(fù)雜大規(guī)模場景上，2DGS 在早期訓(xùn)練階段比 3DGS 受到更嚴(yán)重的模糊偽影的干擾，導(dǎo)致在迭代次數(shù)有限的情況下性能顯著劣于 3DGS。為了緩解這一問題，我們引入梯度解耦策略，利用對圖像結(jié)構(gòu)差異更為敏感的 SSIM 損失作為稠密化的主要梯度來源：

此處 ω 用于控制梯度的尺度；另外在大規(guī)模場景下用 2DGS 進(jìn)行重建的障礙在于其退化現(xiàn)象。實(shí)驗(yàn)證據(jù)表明，當(dāng)從遠(yuǎn)距離或側(cè)面視角渲染時，部分面片可能會退化成線或點(diǎn)，尤其是那些延展率比較高的面片。對于那些具有高不透明度的投影點(diǎn)，它們的移動往往意味著像素值的劇烈變化，從而使得它們獲得較高的梯度，并在稠密化過程中大量增殖，導(dǎo)致基元數(shù)量指數(shù)級增長，最終導(dǎo)致顯存爆炸問題。為了解決這一問題，在稠密化過程中，我們對容易引起退化和梯度集中的具有極端延展率的高斯面片進(jìn)行了篩選，并對其增殖過程進(jìn)行了限制，從而在不犧牲性能的情況下有效穩(wěn)定了訓(xùn)練過程，保障了優(yōu)化過程的順利進(jìn)行。

3.CityGaussianV2 的并行訓(xùn)練管線

CityGaussianV2 訓(xùn)練管線，虛線框?yàn)檗饤壍乃惴鞒?/span>

CityGaussianV2 在 V1 的基礎(chǔ)上進(jìn)一步優(yōu)化了并行訓(xùn)練管線，使得訓(xùn)練和壓縮過程得到統(tǒng)一，刪除了冗余的后處理流程。具體而言，算法在子模型的并行訓(xùn)練過程中周期性地遍歷訓(xùn)練視角集合 V_m 并計算每個高斯基元的重要性分?jǐn)?shù)：

其中 P_k 為第 k 張訓(xùn)練視圖的像素幾何，α_n 為第 n 個基元的不透明度。以此為基礎(chǔ)，重要性低于一定百分比閾值的基元會被刪除，從而降低顯存和存儲的開銷，使得訓(xùn)練對于低端設(shè)備更友好，也顯著加速了模型總體的收斂速度。

4.大規(guī)模重建幾何評估協(xié)議

大規(guī)模場景幾何精度評估流程

CityGaussianV2 填補(bǔ)了大規(guī)模場景下幾何評測協(xié)議長期以來的空白，在 Tanks and Temple (TnT) 數(shù)據(jù)集的啟發(fā)下，基于點(diǎn)云的目擊頻次統(tǒng)計設(shè)計了針對大規(guī)模場景欠觀測區(qū)域的邊界估計方案。具體而言，點(diǎn)云真值會首先被初始化為 3DGS，在遍歷所有訓(xùn)練視圖的同時記錄每個點(diǎn)的觀測頻次，觀測頻次低于閾值的點(diǎn)將被濾除；剩余的點(diǎn)將用于估計垂直方向的高度分布范圍，以及地平面內(nèi)的多邊形外接輪廓，二者構(gòu)成的 Crop Volume 進(jìn)一步用于 TnT 形式的指標(biāo)計算。這一方案有效規(guī)避了欠觀測區(qū)域重建效果不穩(wěn)定帶來的指標(biāo)波動，使得大規(guī)模復(fù)雜場景的幾何性能評估更為客觀公正。

實(shí)驗(yàn)與分析

與主流算法的性能對比

幾何重建質(zhì)量可視化比較

在實(shí)驗(yàn)中，相比于已有算法，CityGaussianV2 在幾何精度（精度 P，召回率 R，綜合指標(biāo) F1-Score）方面達(dá)到了最佳的性能表現(xiàn)。從可視化結(jié)果中也可以看到，CityGaussianV2 的重建結(jié)果具有更準(zhǔn)確的細(xì)節(jié)，完整性也更高。而渲染質(zhì)量方面，CityGaussianV2 則達(dá)到了和 V1 相媲美的程度，能夠帶來逼真的瀏覽體驗(yàn)。此外，CityGaussianV2 還能較好地泛化到街道景觀，并且在渲染質(zhì)量和幾何精度上都取得良好的性能結(jié)果。

渲染質(zhì)量可視化比較

街拍場景可視化比較

高斯基元數(shù)量相近情況下的重建性能及訓(xùn)練開銷比較

在訓(xùn)練開銷方面，CityGaussianV2 克服了 2DGS 泛化到大規(guī)模復(fù)雜場景下的種種挑戰(zhàn)，不僅有效規(guī)避顯存爆炸問題，而且實(shí)現(xiàn)了相對于 V1 顯著的顯存優(yōu)化，同時在訓(xùn)練用時和幾何質(zhì)量方面大幅領(lǐng)先。針對 2DGS 的量化壓縮策略也使得大規(guī)模場景的重建結(jié)果能夠以 400M 左右的開銷存儲下來。

總結(jié)

本工作致力于大規(guī)模復(fù)雜場景的高效精準(zhǔn)重建，并建立了大規(guī)模場景下的幾何精度評估基準(zhǔn)。所提出的 CityGaussianV2 以 2DGS 為基元，消除了其收斂速度和擴(kuò)展能力方面的問題，并實(shí)現(xiàn)了高效的并行訓(xùn)練和壓縮，從而大大降低了模型的訓(xùn)練成本。在多個具有挑戰(zhàn)性的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明了所提出方法的效率、有效性和魯棒性。