SurfSplat: Conquering Feedforward 2D Gaussian Splatting with Surface Continuity Priors
作者: Bing He, Jingnan Gao, Yunuo Chen, Ning Cao, Gang Chen, Zhengxue Cheng, Li Song, Wenjun Zhang
分类: cs.CV, cs.AI
发布日期: 2026-02-02
备注: ICLR 2026
🔗 代码/项目: PROJECT_PAGE
💡 一句话要点
SurfSplat：利用表面连续性先验实现前馈2D高斯溅射，提升稀疏图像三维重建质量。
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 三维重建 高斯溅射 表面连续性 稀疏图像 前馈网络
📋 核心要点
- 现有方法在稀疏图像三维重建中，难以恢复精确几何和纹理，导致表面不连续和高分辨率伪影。
- SurfSplat利用2D高斯溅射基元，结合表面连续性先验和强制Alpha混合，重建连贯几何和逼真纹理。
- 实验表明，SurfSplat在RealEstate10K等数据集上，标准指标和HRRC指标均优于现有方法。
📝 摘要（中文）
本文提出SurfSplat，一个基于2D高斯溅射（2DGS）基元的前馈框架，旨在解决从稀疏图像重建3D场景的挑战。现有方法难以在没有优化的情况下恢复精确的几何和纹理，导致表面不连续，产生颜色偏差的点云，在高分辨率下出现严重伪影。SurfSplat通过结合表面连续性先验和强制Alpha混合策略，重建连贯的几何结构和逼真的纹理。此外，引入了高分辨率渲染一致性（HRRC）这一新指标，用于评估高分辨率重建质量。在RealEstate10K、DL3DV和ScanNet上的大量实验表明，SurfSplat在标准指标和HRRC上均优于现有方法，为从稀疏输入进行高保真3D重建提供了一个鲁棒的解决方案。
🔬 方法详解
问题定义：论文旨在解决从稀疏图像中重建高质量3D场景的问题。现有方法，特别是基于3D高斯溅射的方法，在没有优化的情况下，难以恢复精确的几何结构和纹理信息，导致重建的表面不连续，在高分辨率下出现明显的伪影。这些方法生成的点云往往带有颜色偏差，缺乏几何一致性。
核心思路：SurfSplat的核心思路是利用2D高斯溅射（2DGS）作为基本图元，并引入表面连续性先验来约束重建过程。2DGS相比3DGS具有更强的各向异性和更高的几何精度。通过强制Alpha混合策略，确保重建的表面具有更好的连续性和几何一致性。
技术框架：SurfSplat是一个前馈框架，主要包含以下几个阶段：首先，从稀疏图像中提取特征；然后，利用这些特征预测2D高斯溅射的参数，包括位置、形状、颜色和透明度；接着，通过表面连续性先验和强制Alpha混合策略，优化这些参数，生成最终的3D场景表示；最后，使用渲染器将3D场景投影到2D图像上，用于评估和可视化。
关键创新：SurfSplat的关键创新在于以下几点：1) 使用2D高斯溅射作为基本图元，提供更强的各向异性和更高的几何精度；2) 引入表面连续性先验，约束重建过程，确保表面具有更好的连续性和几何一致性；3) 提出强制Alpha混合策略，进一步提高表面的连续性；4) 引入高分辨率渲染一致性（HRRC）指标，用于评估高分辨率重建质量。
关键设计：SurfSplat的关键设计包括：1) 2D高斯溅射的参数化方式，包括位置、形状、颜色和透明度的表示；2) 表面连续性先验的具体形式，例如可以使用拉普拉斯平滑或类似的正则化项；3) 强制Alpha混合策略的实现方式，例如可以设置一个阈值，强制Alpha值大于该阈值的像素完全不透明；4) HRRC指标的计算方法，例如可以比较不同分辨率下渲染图像的相似度。
🖼️ 关键图片
📊 实验亮点
SurfSplat在RealEstate10K、DL3DV和ScanNet等数据集上进行了广泛的实验，结果表明SurfSplat在标准指标（如PSNR、SSIM、LPIPS）和新提出的HRRC指标上均优于现有方法。例如，在RealEstate10K数据集上，SurfSplat相比于现有最佳方法，在HRRC指标上提升了显著的幅度，证明了其在高分辨率重建方面的优势。
🎯 应用场景
SurfSplat在三维重建领域具有广泛的应用前景，例如虚拟现实、增强现实、机器人导航、自动驾驶、城市建模等。它可以用于从稀疏的图像数据中重建高质量的三维场景，从而为这些应用提供更逼真、更精确的环境信息。该研究的实际价值在于能够降低三维重建的成本和难度，提高重建的效率和质量。未来，SurfSplat可以进一步扩展到动态场景重建、语义三维重建等领域。
📄 摘要（原文）
Reconstructing 3D scenes from sparse images remains a challenging task due to the difficulty of recovering accurate geometry and texture without optimization. Recent approaches leverage generalizable models to generate 3D scenes using 3D Gaussian Splatting (3DGS) primitive. However, they often fail to produce continuous surfaces and instead yield discrete, color-biased point clouds that appear plausible at normal resolution but reveal severe artifacts under close-up views. To address this issue, we present SurfSplat, a feedforward framework based on 2D Gaussian Splatting (2DGS) primitive, which provides stronger anisotropy and higher geometric precision. By incorporating a surface continuity prior and a forced alpha blending strategy, SurfSplat reconstructs coherent geometry together with faithful textures. Furthermore, we introduce High-Resolution Rendering Consistency (HRRC), a new evaluation metric designed to evaluate high-resolution reconstruction quality. Extensive experiments on RealEstate10K, DL3DV, and ScanNet demonstrate that SurfSplat consistently outperforms prior methods on both standard metrics and HRRC, establishing a robust solution for high-fidelity 3D reconstruction from sparse inputs. Project page: https://hebing-sjtu.github.io/SurfSplat-website/