慕尼黑大学研究团队CompVis开发的新3D重建技术“EDGS（Eliminating Densification for Efficient Convergence of 3DGS）”的论文已经公开！据说能实现比以往3DGS更优秀的精度！

EDGS: Eliminating Densification for Efficient Convergence of 3DGS

3D Gaussian Splatting 从稀疏的Structure-from-Motion初始化开始，通过反复改进重建不足的区域来重建场景。这个过程需要多个高密化步骤，反复分割并调整高斯，因此要经历很长的优化路径，本质上耗时较长。此外，这种渐进式方法往往会导致渲染结果不理想，尤其是在细节很重要的高频区域。

我们提出一种根本不同的方法。也就是，使用来自密集图像对应关系的三角化像素，以一步近似场景形状，从而消除高密化过程。这种高密初始化能够在保留输入RGB图像丰富细节的同时估计场景的大致形状，并为每个高斯提供具有充分信息的颜色、尺度和位置。因此，可以大幅缩短优化路径，并去除对高密化的需求。不同于依赖稀疏关键点的传统方法，我们的高密初始化即使在3DGS及其他方法不擅长的高频区域，也能保证整个场景的均匀细节。此外，所有splat在优化开始时会并行初始化，因此无需等待高密化来调整新的高斯。

EDGS不仅在学习效率方面优于速度优化模型，而且在只使用标准3DGS一半splat的情况下，仍能实现比最先进方法更高的渲染质量。它还与其他3DGS加速技术完全兼容，因此是可与现有方法集成的通用且高效的解决方案。

EDGS是一种用于从多张照片或视频中快速重建高质量3D场景的方法。传统的“3D Gaussian Splatting（3DGS）”需要先创建粗略的3D模型，再通过逐步添加细节的“密化（densification）”过程进行改进。
不过，这个过程耗时较长，尤其在还原细微细节方面存在困难。
EDGS完全省略了这一密化步骤，从一开始就生成详细的3D模型，从而大幅提升了重建速度与质量。​

• 高速重建：​仅用传统3DGS 25%的时间即可实现同等质量
• 高质量绘制：​尤其提升了细小纹理和结构的还原性
• 高效数据使用：​只需传统方法一半的数据量即可获得高质量结果
• 广泛兼容性：​可与现有3DGS方法及加速技术结合使用

今后这种EDGS方法也有可能被用于各种工具中吗？
代码和演示页面也已经公开。详情请查看项目页面！

链接

EDGS: Eliminating Densification for Efficient Convergence of 3DGS