感觉用gaussian重建城市已经不是什么大问题了。
CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes
🧐 CityGaussianV2 是一种创新的3D场景重建方法，通过多视角RGB图像生成高质量的渲染和几何结构。它优化了大规模场景重建的效率和几何准确性，解决了传统2D高斯点云方法的局限性。
➡️链接：http://t.cn/A63gN37I
✨重点

●🌐 创新的3D高斯点云方法：CityGaussianV2在传统的2D高斯点云（2DGS）基础上进行优化，采用分解梯度增强和深度回归技术来消除模糊伪影并加速收敛，从而提高了大规模场景的几何准确性。

●🚀 性能提升与训练优化：该方法引入了一个拉伸滤波器，解决了2DGS退化问题，从而减少了高斯点数暴涨，此外，还通过优化并行训练管道，减少了训练时间（节省至少25%）和内存使用（减少50%）。

●🏗️ 大规模场景重建：CityGaussianV2能够从多视角RGB图像中有效地重建大规模复杂场景，精确还原建筑、道路和植被等结构，且渲染质量（PSNR、SSIM）和几何准确性（F1得分）都有显著提升。

●⏳ 训练时间与成本：与其前身CityGS V1相比，CityGaussianV2显著降低了训练时间和VRAM成本，同时保持了渲染质量，并在几何准确性上取得了更好的成绩。

●📊 新型评估协议：该研究提出了针对大规模场景的TnT几何评估协议，提供了新的质量评价标准，用于更准确地衡量重建效果和几何精度。

●💾 数据集与基准测试：文章中展示了在GauU-Scene数据集上的实验结果，并建立了大规模场景的几何标准基准，展示了该方法在视觉质量、几何准确性、存储和训练成本之间的良好平衡。
通过这些创新，CityGaussianV2为大规模复杂场景的3D重建提供了一种高效且几何准确的解决方案，尤其在训练和存储成本方面有显著优势。

#AI白日梦想家[超话]# #ai创造营# #你好人工智能时代#