点击下方卡片，关注“3D视觉之心”公众号
第一时间获取3D视觉干货
>>点击进入→3D视觉之心技术交流群
还有什么阻碍大规模渲染？
神经辐射场（NeRF） 在处理大规模场景时面临细节丢失和渲染缓慢的挑战。尽管一些扩展NeRF的方法（如MegaNeRF[2]、BlockNeRF[3]和SwitchNeRF[4]）试图解决这些问题，但由于频谱偏差和计算资源需求的限制，仍难以捕捉复杂细节和实现实时渲染。3D高斯散射（3DGS） 通过各向异性高斯实现了高质量、实时的图像渲染，但在大规模场景中面临整合不同尺度物体和初始化点云的困难。
早期的大规模场景表示主要依赖特征匹配和BA来重建稠密3D几何结构，但在扩展到大规模场景时会遇到伪影和有限的纹理质量问题。NeRF在3D场景表示方面表现出显著的改进，但在处理大规模场景时面临模型容量和计算资源需求的问题。分而治之的方法通过分解场景并为每个部分训练单独的NeRF网络，虽然提高了效果，但增加了计算复杂性和资源需求。
PyGS针对大规模场景的痛点：
不同尺度和不同视点的物体整合常常导致效果不佳，因为高斯需要在细节层次之间取得平衡。
通过COLMAP从大规模数据集中生成初始化点既耗费计算资源，又容易产生不完整的重建。
引入了一种新颖的金字塔高斯散射框架，该框架有效地捕捉多尺度信息，并基于专门设计的加权网络自适应地渲染不同层次的场景细节。利用粗略训练的NeRF显著缩短了预处理时间并提高了性能。
（大拇指往上滑，点击最上方的卡片关注我，整个操作只会花你 1.328 秒，然后带走未来、所有、免费的干货，万一有内容对您有帮助呢～）
具体方法
整体框架如图：
从NeRF初始化金字塔高斯
从NeRF生成点云
原始的3DGS方法利用COLMAP生成稀疏点云作为算法的初始步骤。然而，大规模数据集通常比典型的户外数据集大一个数量级。使用COLMAP进行稀疏重建所需的时间随着数据集的大小显著增加。此外，COLMAP在重建远离场景中心的点时存在困难，这严重影响了3DGS对远处物体的建模能力。相比之下，基于网格的NeRF方法提供了一种更高效和稳健的点云生成方法，其性能基本上不受训练集大小的影响。
基于这一洞察，首先在大规模场景上训练一个基于网格的NeRF模型，记作 。由于只需要NeRF模型捕捉场景的大致结构，这个训练过程可以加快，并在大约20分钟内完成。为了从训练好的NeRF模型 生成点云，从训练摄像机投射射线，并在每条射线的估计终止点（记作 ）采样点。每个生成点的位置和颜色通过以下方式获得：
其中，和分别表示射线的起点和方向。从粗略的NeRF中采样个点以形成点云，记作。
多尺度点云采样
从点云中采样个子集，采样频率逐渐增加。具体来说，对于第个子集，从中随机选择个点。经验性地设置 ，其中表示第一个最稀疏子集中的点数。将选定的总点数记作。
初始化金字塔高斯
对于每个点子集，使用与3DGS中相同的方法初始化3D高斯，这导致了一个3D高斯集合的层次结构，本文称之为金字塔高斯，记作，其中表示从第个子云初始化的高斯。由于每个高斯的尺度由其最近邻的平均距离决定，随着初始化点数的增加，高斯的尺度逐渐减小。因此，金字塔高斯 自然形成了一个多尺度架构。较高的层（即较小的l）包含较大尺度的高斯，而较低的层包含较小尺度的高斯。
自适应渲染
簇级加权
在渲染金字塔高斯 时，根据视点自适应地评估每个层次高斯的贡献是至关重要的。图3展示了三种不同的加权策略：
均匀加权：为同一层次内的所有高斯分配相同的权重
唯一加权：为每个高斯分配不同的权重
簇级加权：将高斯分组为簇，并为每个簇内的所有成员分配一个共享的权重
为同一层次的所有高斯均匀加权可能并不理想，因为适当的权重应反映每个高斯的具体特征，例如其与摄像机的距离和周围的几何复杂性。为每个高斯分配唯一权重可以提供更精细的渲染，但由于涉及的高斯数量众多，会带来巨大的计算成本。因此，选择了一种平衡的方案，将金字塔高斯分割成簇，并为每个簇分配一组独特的权重。该策略使能够考虑高斯的位置信息，同时避免了计算需求的显著增加。
采用高效的小批量均值算法从点云中建立个质心，记作 ，其中 表示第个质心。为了减少计算时间，仅对点云的一个子集应用均值算法。均值算法的持续时间大约为30秒。对于金字塔高斯 中的每个高斯，将其分配到集合M中的最近质心。对于第层的第个高斯，这个分配表示为：
其中， 是离第层第个高斯的中心点最近的质心的索引，通过最近邻算法确定。这样，不同层的高斯属于同一个簇时，也构成了一个捕捉簇中心附近小区域的金字塔结构。
簇Embedding
簇的各种属性，如位置、局部几何和纹理，会影响每个层次的最优权重。为了更好地捕捉这些簇信息，为每个簇配备一个可学习的特征，称为簇Embedding ，其中代表簇的总数，是特征的维度。
加权网络
使用一个小型的多层感知器（MLP） 来确定每个簇的层级权重。加权网络的架构如图4所示。
对于从第个摄像机视点看到的第个簇，其层级权重计算如下：
其中，表示拼接操作， 是第个簇的特征向量，表示位置编码函数， 表示摄像机中心的坐标。对应于从第个摄像机视点看到的第个簇的第层的权重记作 。
外观感知渲染
为了渲染图像，使用与3DGS中相同的方法对所有高斯进行排序。为了简便，我们将排序后的高斯表示为序列 ，其中 是第个有序高斯。与 相关的颜色、不透明度、层次和簇索引分别表示为 、、 和 。
由于大规模场景建模经常遇到来自不同图像的光照变化问题，之前的研究考虑了外观嵌入向量以增加应对这些变化的适应性。然而，直接将这种策略整合到框架中可能并不可行，设计了一种有效的替代方案。结合了每个摄像机的外观嵌入和一个紧凑的MLP 来执行每个簇的颜色校正。这里， 表示摄像机的总数。第个高斯的颜色校正计算如下：
其中， 表示第个高斯所属簇的嵌入，表示第个摄像机的外观嵌入。最终用于渲染的颜色通过以下公式确定：
其中， 是通过球谐函数计算的颜色， 是根据当前图像调整后的颜色， 是高斯的不透明度。
优化
与原始3DGS类似，使用一种逼真的损失函数进行优化，该损失函数是均方误差（MSE）和结构相似性指数（SSIM）的加权组合：
其中， 是平衡两个损失项的超参数， 是像素的真实颜色。
使用与3DGS相同的分裂和克隆策略来进行密度控制。新分裂和克隆的高斯将保留在原始的层级和簇内。为了在整个训练过程中保持多尺度特性，定期重新评估并重新分配高斯的层级，以确保不同层级高斯的分布保持比例平衡。
实验效果
总体结果
Mill19和Urbanscene数据集：PyGS在PSNR、SSIM和LPIPS等所有评估指标上均优于基准方法
MatrixCity数据集：PyGS在合成场景的质量和渲染速度上显著优于基准方法，尤其在细节和背景建模方面表现出色
BungeeNeRF数据集：PyGS在处理多尺度挑战方面表现出色，效果优于当前最先进的方法
模型分析
NeRF初始化的有效性：与随机初始化和COLMAP初始化相比，基于NeRF的初始化方法生成了更密集的点云，并且在几何细节和背景建模方面效果更好。
加权策略：自适应加权策略显著提高了渲染结果，尤其是在训练过程中比随机加权和无加权策略更稳定和收敛
颜色校正的有效性：包含颜色校正网络显著提高了渲染质量，尤其在处理不同图像间的光照变化方面
金字塔层级和初始化点数的影响：增加金字塔层级和初始化点数可以提高渲染质量，但会略微降低渲染速度。这表明更多的层级和点数能够捕捉场景的细节。
耗时分析
预处理、训练和渲染时间：PyGS在预处理、训练和渲染时间方面均优于MegaNeRF和原始3DGS方法。虽然COLMAP初始化的3DGS训练时间略短于PyGS，但生成点云的时间较长，影响了整体效率
总结一下
PyGS是一种新颖的金字塔高斯结构，在不显著增加训练和渲染成本的情况下：
从NeRF模型初始化
通过紧凑的加权网络和可学习的簇嵌入进行簇级加权 通过有效解决固有的多尺度挑战，在大规模场景建模中取得了显著进展。局限：对更大环境的建模需要大量的内存和计算资源。
参考
[1] PYGS: LARGE-SCALE SCENE REPRESENTATION WITH PYRAMIDAL 3D GAUSSIAN SPLATTING
[2] Mega-nerf: Scalable construction of large-scale nerfs for virtual fly-throughs
[3] Block-nerf: Scalable large scene neural view synthesis
[4] Switch-nerf: Learning scene decomposition with mixture of experts for large-scale neural radiance fields
投稿作者为『3D视觉之心知识星球』特邀嘉宾，欢迎加入交流！
【3D视觉之心】技术交流群
3D视觉之心是面向3D视觉感知方向相关的交流社区，由业内顶尖的3D视觉团队创办！聚焦三维重建、Nerf、点云处理、视觉SLAM、激光SLAM、多传感器标定、多传感器融合、深度估计、摄影几何、求职交流等方向。扫码添加小助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）
扫码添加小助理进群
【3D视觉之心】知识星球
3D视觉之心知识星球主打3D感知全技术栈学习，星球内部形成了视觉/激光/多传感器融合SLAM、传感器标定、点云处理与重建、视觉三维重建、NeRF与Gaussian Splatting、结构光、工业视觉、高精地图等近15个全栈学习路线，每天分享干货、代码与论文，星球内嘉宾日常答疑解惑，交流工作与职场问题。
扫一扫
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
