GSTAR: Gaußsche Oberflächenverfolgung und Rekonstruktion

GSTAR: Gaussian Surface Tracking and Reconstruction

January 17, 2025

Autoren: Chengwei Zheng, Lixin Xue, Juan Zarate, Jie Song

cs.AI

Zusammenfassung

3D-Gaußsche Splatting-Techniken haben eine effiziente fotorealistische Darstellung statischer Szenen ermöglicht. Aktuelle Arbeiten haben diese Ansätze erweitert, um die Oberflächenrekonstruktion und -verfolgung zu unterstützen. Die Verfolgung dynamischer Oberflächen mit 3D-Gaußschen bleibt jedoch aufgrund komplexer Topologieänderungen wie dem Erscheinen, Verschwinden oder Aufteilen von Oberflächen herausfordernd. Um diesen Herausforderungen zu begegnen, schlagen wir GSTAR vor, eine neuartige Methode, die fotorealistische Darstellung, präzise Oberflächenrekonstruktion und zuverlässige 3D-Verfolgung für allgemeine dynamische Szenen mit wechselnder Topologie erreicht. Unter Verwendung von Mehrblickaufnahmen als Eingabe bindet GSTAR Gaußsche an Gitterflächen, um dynamische Objekte darzustellen. Für Oberflächen mit konsistenter Topologie behält GSTAR die Gittertopologie bei und verfolgt die Gitter mithilfe von Gaußschen. In Regionen, in denen sich die Topologie ändert, löst GSTAR adaptiv Gaußsche von dem Gitter, was eine genaue Registrierung und die Generierung neuer Oberflächen basierend auf diesen optimierten Gaußschen ermöglicht. Darüber hinaus führen wir eine oberflächenbasierte Szenenflussmethode ein, die eine robuste Initialisierung für die Verfolgung zwischen den Frames bietet. Experimente zeigen, dass unsere Methode dynamische Oberflächen effektiv verfolgt und rekonstruiert, was eine Vielzahl von Anwendungen ermöglicht. Unsere Projektseite mit dem Code-Release ist verfügbar unter https://eth-ait.github.io/GSTAR/.

English

3D Gaussian Splatting techniques have enabled efficient photo-realistic rendering of static scenes. Recent works have extended these approaches to support surface reconstruction and tracking. However, tracking dynamic surfaces with 3D Gaussians remains challenging due to complex topology changes, such as surfaces appearing, disappearing, or splitting. To address these challenges, we propose GSTAR, a novel method that achieves photo-realistic rendering, accurate surface reconstruction, and reliable 3D tracking for general dynamic scenes with changing topology. Given multi-view captures as input, GSTAR binds Gaussians to mesh faces to represent dynamic objects. For surfaces with consistent topology, GSTAR maintains the mesh topology and tracks the meshes using Gaussians. In regions where topology changes, GSTAR adaptively unbinds Gaussians from the mesh, enabling accurate registration and the generation of new surfaces based on these optimized Gaussians. Additionally, we introduce a surface-based scene flow method that provides robust initialization for tracking between frames. Experiments demonstrate that our method effectively tracks and reconstructs dynamic surfaces, enabling a range of applications. Our project page with the code release is available at https://eth-ait.github.io/GSTAR/.