Generative Sparse-View Gaussian Splatting

English translation pending — this page shows the Chinese original.

一句话结论

在已知相机的少视角输入下，交替优化生成伪图与高斯可提升静态和多机位动态画质；真实几何和完整效率尚未由实验确认。

正式身份与阅读范围

CVF CVPR2025正式主会pp.26745–26755，三位作者与主文及补充首页、Crossref DOI 10.1109/CVPR52734.2025.02491一致；Crossref出版日期2025-06-10。正式CVF主文11页与官方补充3页均完整读取，原始表格核对。CVF说明除水印外等同接受版本，IEEE最终出版文件未做字节比对。本轮直接读取正常HTTPS官方主文/补充，没有使用作者预印本恢复例外；仅筛选、纳入和全文深读各一篇。

任务与方法

输入图像及已知相机位姿，用稀疏训练图的运动恢复结构（SfM）点云初始化，静态用3DGS，动态用SpacetimeGS。伪相机在真实相机间插值，逐场优化而非无位姿前馈，也不等于文字直接生成三维场景（pp.2–4、p.6）。

先从真实稀疏图训练粗GS，再渲染训练及伪视图；用场景图适配扩散模型低秩模块（LoRA），通过单目深度条件生成伪图，回用于GS训练，循环更新。补充明确底座为SDXL，原权重和深度T2I-Adapter冻结，学习的是LoRA。伪图是生成先验，不是新增实拍证据，可能把早期几何错误带回训练（pp.3–5、补充p.1）。

伪渲染按相机外参变换到训练视角，与真实图的扩散中间特征匹配，约束跨视语义；DPT单目深度和GS渲染深度归一化后用多尺度结构相似性（MS-SSIM）正则。DPT深度是估计，不是几何真值；语义对应也未量化证明遮挡或真实表面正确（pp.5–6 Eqs.6–11）。

数据与画质结果

Blender八物体，每场八训练视图、25测试图；LLFF八场，每八张取一张测试，从其余均匀选三张训练；Mip-NeRF360九场、24训练视图，采用相同测试选取规则。下表仅比较同论文内部设置（p.6 Table1）。

均值提升明显，但未提供逐场量化表、多种子置信区间、真实深度/网格误差或同先验同计算预算对照。PSNR、SSIM、LPIPS验证图像质量，不能直接转写为“真实几何更准”。

动态实验：机位数与图片数不同

Neural 3D Video六个室内序列，18–21同步机位；第一机位测试，从其余取训练机位。三机位包含多个时刻的视频帧，不是只给三张照片，也没有独立未见时间评测（pp.6–8 Table2）。

作者p.7称视数增加时差距持续扩大，但表内PSNR差值实际缩小。两法绝对画质都提高，不能把更多视图的绝对收益当相对收益变大。本法额外SDXL/DPT及适配成本没有配平；只有一个动态底座，没有运动真值、定量时间一致性或长期新对象结果。

消融与反证范围

支持组合有效，不是同耗时全因子消融，无法把全部收益归某个模块。补充LLFF三/六/九视的本法PSNR为24.82/26.87/28.12，相对FSGS的优势同样随视数缩小（补充p.1 Table1）。未给伪图数、LoRA rank/特征层、扩散采样步数或几何权重敏感性。

效率与可复现限制

只报告整个流程10,000迭代，未给显卡、墙钟/GPU小时、显存、模型大小、渲染FPS或SfM/DPT/LoRA/采样分项。LoRA步数与GS迭代的对应也未完整说明，摘要“不牺牲效率”没有完整成本表支持；冻结SDXL参数仍有生成和适配开销（p.6、补充p.1）。

论文、官方补充和CVF页未提供可核实实现仓库/数据包链接，本次未确认代码可用性，不推断永久未开源。补充提及动态视频，但官方页面只列两份PDF，本次未获得或观看该视频。未安装环境、下载权重或做GPU复现；原PDF/全文/表图保持内部，CVF版权说明不当CC BY。

综合判断与下一步

先配平真实输入图数、相机、初始化、预训练先验和完整预算，再分别开关伪图、LoRA、跨视特征和深度正则，验证留出视角、真实几何及动态时间一致性。若同预算简单深度正则效果相近，生成贡献应缩小；若图像变锐利而几何退化，则拒绝“更真实”的结论。

原始链接

• CVF正式论文页
• CVF主文PDF
• 官方补充PDF
• 正式出版DOI

相关页面

• 3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes：生成画质、真实几何与完整成本分别验收。
• GGS：跨场生成和视频先验，权限与逐场LoRA方法不同。
• EvaGaussians：额外事件观测辅助模糊输入，与生成伪图区别。