再也不怕显存爆炸了！高效重建「几何精准」的大规模复杂三维场景，中科院提出CityGaussianV2

主要观点总结

中科院自动化所的研究团队提出了用于大规模复杂三维场景的高效重建算法CityGaussianV2。该算法在快速实现训练和压缩的同时，能够精准地重建几何结构与实时渲染体验。文章介绍了大规模场景三维重建的背景、面临的挑战以及CityGaussianV2算法的优势和特点。

关键观点总结

关键观点1: 大规模场景三维重建的挑战

包括几何结构不精准、训练开销大、显存爆炸等问题。

关键观点2: CityGaussianV2算法的优势

基于2DGS基元，消除收敛速度和扩展能力方面的问题；实现高效并行训练和压缩；降低模型训练成本。

关键观点3: CityGaussianV2的技术特点

引入基于延展率过滤和梯度解耦的稠密化技术；深度回归监督；合并训练和压缩过程，得到端到端的高效训练管线。

关键观点4: 大规模场景几何精度评估协议

基于点云的目击频次统计设计评估流程，有效规避欠观测区域重建效果不稳定带来的指标波动，使大规模复杂场景的几何性能评估更为客观公正。

关键观点5: 实验结果与分析

CityGaussianV2在几何精度方面达到最佳性能表现，渲染质量也相媲美，能够带来逼真的浏览体验。此外，还能较好地泛化到街道景观，在渲染质量和几何精度上都取得良好性能结果。

免责声明