EOGS++: Earth Observation Gaussian Splatting with Internal Camera Refinement and Direct Panchromatic Rendering

📄 arXiv: 2511.16542v1 📥 PDF

作者: Pierrick Bournez, Luca Savant Aira, Thibaud Ehret, Gabriele Facciolo

分类: cs.CV

发布日期: 2025-11-20

备注: 8 pages, ISPRS

💡 一句话要点

EOGS++：结合内部相机优化的地球观测高斯溅射，实现直接全色渲染

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱三：空间感知 (Perception & SLAM)

关键词: 地球观测 高斯溅射 三维重建 相机姿态估计 全色图像 光流 捆绑调整

📋 核心要点

  1. 现有地球观测三维重建方法训练时间长，依赖外部优化工具，且需要对原始数据进行预处理。
  2. EOGS++通过直接处理原始全色数据、嵌入式捆绑调整和改进的训练策略，提升重建质量和效率。
  3. 实验结果表明，EOGS++在重建质量和效率上均优于EOGS及其他NeRF方法，MAE误差显著降低。

📝 摘要（中文）

本文提出了EOGS++，是对地球观测高斯溅射(EOGS)框架的扩展，专门为卫星图像定制，可以直接处理原始高分辨率全色数据，无需外部预处理。此外，利用光流技术，我们将捆绑调整直接嵌入到训练过程中，避免依赖外部优化工具，同时改进相机姿态估计。我们还对原始实现进行了一些改进，包括提前停止和TSDF后处理，所有这些都有助于更清晰的重建和更好的几何精度。在IARPA 2016和DFC2019数据集上的实验表明，EOGS++在重建质量和效率方面实现了最先进的性能，优于原始EOGS方法和其他基于NeRF的方法，同时保持了高斯溅射的计算优势。我们的模型在建筑物上的平均MAE误差从1.33提高到1.19，优于原始EOGS模型。

🔬 方法详解

问题定义：现有的地球观测三维重建方法，如基于NeRF的方法，训练时间较长。EOGS虽然速度较快，但依赖外部优化工具进行相机姿态估计，且需要对原始高分辨率全色数据进行预处理，这限制了其效率和易用性。此外，重建质量仍有提升空间。

核心思路：EOGS++的核心思路是在EOGS的基础上，通过内部相机优化（嵌入式捆绑调整）和直接全色渲染，避免外部依赖和预处理步骤，从而提高重建效率和质量。同时，通过改进训练策略（如提前停止）和后处理方法（TSDF），进一步提升重建效果。

技术框架：EOGS++的整体框架基于高斯溅射，主要包含以下几个阶段：1) 初始化高斯分布；2) 基于光流的内部相机优化（捆绑调整），用于优化相机姿态；3) 直接全色渲染，将高斯分布投影到图像平面，生成渲染图像；4) 损失计算和高斯参数更新；5) 可选的TSDF后处理，用于进一步优化几何结构。

关键创新：EOGS++的关键创新在于：1) 嵌入式捆绑调整，将相机姿态优化集成到训练过程中，避免了对外部优化工具的依赖；2) 直接全色渲染，可以直接处理原始高分辨率全色数据，无需预处理；3) 改进的训练策略和后处理方法，进一步提升了重建质量。

关键设计：EOGS++的关键设计包括：1) 使用光流估计进行相机姿态优化，具体的光流算法选择未知；2) 损失函数的设计，可能包括渲染损失、正则化项等，具体细节未知；3) 提前停止策略，用于防止过拟合；4) TSDF后处理的具体实现细节未知。

📊 实验亮点

EOGS++在IARPA 2016和DFC2019数据集上取得了state-of-the-art的性能，优于原始EOGS方法和其他基于NeRF的方法。在建筑物重建方面，EOGS++的平均MAE误差从原始EOGS的1.33降低到1.19，表明重建质量得到了显著提升。同时，EOGS++保持了高斯溅射的计算优势，训练效率优于NeRF方法。

🎯 应用场景

EOGS++可应用于城市三维重建、环境监测、灾害评估、军事侦察等领域。该方法能够高效地从卫星图像中重建出高质量的三维模型，为相关应用提供重要的基础数据和决策支持，具有重要的实际应用价值和潜在的社会经济效益。

📄 摘要（原文）

Recently, 3D Gaussian Splatting has been introduced as a compelling alternative to NeRF for Earth observation, offering com- petitive reconstruction quality with significantly reduced training times. In this work, we extend the Earth Observation Gaussian Splatting (EOGS) framework to propose EOGS++, a novel method tailored for satellite imagery that directly operates on raw high-resolution panchromatic data without requiring external preprocessing. Furthermore, leveraging optical flow techniques we embed bundle adjustment directly within the training process, avoiding reliance on external optimization tools while improving camera pose estimation. We also introduce several improvements to the original implementation, including early stopping and TSDF post-processing, all contributing to sharper reconstructions and better geometric accuracy. Experiments on the IARPA 2016 and DFC2019 datasets demonstrate that EOGS++ achieves state-of-the-art performance in terms of reconstruction quality and effi- ciency, outperforming the original EOGS method and other NeRF-based methods while maintaining the computational advantages of Gaussian Splatting. Our model demonstrates an improvement from 1.33 to 1.19 mean MAE errors on buildings compared to the original EOGS models