中科院自动化所提出高效三维场景重建算法citygaussianv2，攻克大规模场景重建难题！
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜AIxiv专栏持续报道全球顶尖AI研究成果，CityGaussianV2论文已被ICLR 2025接收，代码已开源。您是否还在为大规模场景重建的耗时、显存和精度评估而烦恼？CityGaussianV2提供了一种高效、精准的解决方案，实现快速训练、压缩和逼真的实时渲染。
挑战与突破：
现有算法如3DGS及其改进版（SuGaR、2DGS、GOF）在大规模场景重建中存在诸多问题：训练耗时过长，显存占用巨大，重建几何结构精度不足，缺乏有效的精度评估方法。CityGaussianV2针对这些问题进行了深入研究和优化。
论文题目:CityGaussianV2: Efficient and Geometrically Accurate Reconstruction for Large-Scale Scenes项目主页:https://www.php.cn/link/b666545e24ea289be13796baae7463e3论文链接:https://www.php.cn/link/ca026717248e3b3915f2b15b38f69de6代码链接 (600+⭐):https://www.php.cn/link/8c2c809f0f90fb60826f6fe06add8fe9 CityGaussianV2的核心改进：CityGaussianV2基于CityGaussian的子模型划分和数据分配方案，采用2DGS作为基本单元，并引入了以下关键技术：基于延展率过滤和梯度解耦的稠密化技术:有效抑制了2DGS在复杂场景中容易出现的模糊伪影和基元过度增长问题，提升了训练稳定性。
深度回归监督:进一步提高了几何重建精度。
合并训练和压缩过程:构建了端到端的训练流程，显著缩短了训练和压缩时间。
Git程序猿必备版本控制工具下载
实验结果：
CityGaussianV2在多个数据集上均取得了显著优于现有算法的重建效果，在几何精度和渲染质量方面均表现出色，同时大幅降低了训练时间和显存消耗。
结论：
CityGaussianV2为大规模复杂场景的三维重建提供了一种高效、精准的解决方案，其创新技术和优异性能为该领域的发展做出了重要贡献。