PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction

📄 arXiv: 2603.10801v1 📥 PDF

作者: Yufei Han, Chu Zhou, Youwei Lyu, Qi Chen, Si Li, Boxin Shi, Yunpeng Jia, Heng Guo, Zhanyu Ma

分类: cs.CV

发布日期: 2026-03-11

备注: arXiv admin note: substantial text overlap with arXiv:2509.19726

💡 一句话要点

提出PolGS++，通过物理引导的偏振高斯溅射实现快速反射表面重建

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 反射表面重建 3D高斯溅射 偏振BRDF 物理引导 新视角合成

📋 核心要点

  1. 现有方法在反射表面重建中，尤其是在精细几何和表面法线恢复方面存在不足，3DGS性能落后于隐式神经方法。
  2. PolGS++将偏振BRDF模型融入3DGS，显式解耦漫反射和镜面反射，提供物理基础的反射率建模和几何线索。
  3. 引入深度引导的可见性掩码机制，实现基于偏振角的切线空间一致性约束，无需昂贵的射线追踪，提升重建质量和效率。

📝 摘要（中文）

精确重建反射表面是计算机视觉领域的一个根本性挑战，在实时虚拟现实和数字内容创建中具有广泛的应用。尽管3D高斯溅射(3DGS)能够通过显式表示实现高效的新视角渲染，但其在反射表面上的性能仍然落后于隐式神经方法，尤其是在恢复精细几何形状和表面法线方面。为了解决这一差距，我们提出了PolGS++，一个物理引导的偏振高斯溅射框架，用于快速反射表面重建。具体来说，我们将偏振BRDF (pBRDF)模型集成到3DGS中，以显式地解耦漫反射和镜面反射分量，从而为反射表面恢复提供物理基础的反射率建模和更强的几何线索。此外，我们引入了一种深度引导的可见性掩码获取机制，该机制能够在高斯溅射中实现基于偏振角(AoP)的切线空间一致性约束，而无需昂贵的射线追踪相交计算。这种物理引导的设计提高了重建质量和效率，仅需约10分钟的训练时间。在合成和真实世界数据集上的大量实验验证了我们方法的有效性。

🔬 方法详解

问题定义：论文旨在解决反射表面精确重建的问题。现有方法，特别是基于3D高斯溅射的方法，在处理反射表面时，难以准确恢复精细的几何结构和表面法线，导致渲染质量下降。现有的隐式神经方法虽然在反射表面重建上表现较好，但计算成本高昂，训练时间长，难以满足实时应用的需求。

核心思路：论文的核心思路是将物理模型（偏振BRDF）与3D高斯溅射相结合，利用偏振信息来更好地分离漫反射和镜面反射分量，从而提供更强的几何约束，提高重建精度。同时，通过深度引导的可见性掩码，避免了昂贵的射线追踪计算，提高了训练效率。

技术框架：PolGS++的整体框架包括以下几个主要模块：1) 偏振图像采集模块，获取包含偏振信息的图像；2) pBRDF建模模块，将偏振BRDF模型集成到3DGS中，用于显式地建模漫反射和镜面反射分量；3) 深度引导的可见性掩码获取模块，利用深度信息生成可见性掩码，用于约束切线空间一致性；4) 3D高斯溅射优化模块，利用物理引导的损失函数优化3D高斯参数，最终实现反射表面的重建。

关键创新：论文的关键创新在于：1) 将偏振信息引入到3D高斯溅射中，利用pBRDF模型显式地解耦漫反射和镜面反射分量，从而提供更强的几何约束；2) 提出了一种深度引导的可见性掩码获取机制，避免了昂贵的射线追踪计算，提高了训练效率。与现有方法相比，PolGS++能够在保证重建质量的同时，显著降低训练时间。

关键设计：在pBRDF建模方面，论文采用了合适的参数化模型来描述漫反射和镜面反射分量，并设计了相应的损失函数来约束pBRDF参数。在深度引导的可见性掩码获取方面，论文利用深度信息来估计每个高斯点的可见性，并设计了相应的损失函数来约束切线空间一致性。此外，论文还对3D高斯溅射的参数进行了合理的初始化和优化策略，以提高重建效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PolGS++在合成和真实数据集上均取得了显著的性能提升。与现有方法相比，PolGS++能够更准确地重建反射表面的几何结构和表面法线，并且训练时间大大缩短，仅需约10分钟。在定量指标上，PolGS++在PSNR、SSIM等指标上均优于其他方法。

🎯 应用场景

PolGS++在虚拟现实、增强现实、数字内容创作等领域具有广泛的应用前景。例如，可以用于快速创建高质量的3D反射物体模型，用于游戏开发、电影制作等。此外，该方法还可以应用于工业检测领域，用于检测反射表面的缺陷和损伤。未来，该方法可以进一步扩展到处理更复杂的反射表面，例如具有多层结构的表面。

📄 摘要（原文）

Accurate reconstruction of reflective surfaces remains a fundamental challenge in computer vision, with broad applications in real-time virtual reality and digital content creation. Although 3D Gaussian Splatting (3DGS) enables efficient novel-view rendering with explicit representations, its performance on reflective surfaces still lags behind implicit neural methods, especially in recovering fine geometry and surface normals. To address this gap, we propose PolGS++, a physically-guided polarimetric Gaussian Splatting framework for fast reflective surface reconstruction. Specifically, we integrate a polarized BRDF (pBRDF) model into 3DGS to explicitly decouple diffuse and specular components, providing physically grounded reflectance modeling and stronger geometric cues for reflective surface recovery. Furthermore, we introduce a depth-guided visibility mask acquisition mechanism that enables angle-of-polarization (AoP)-based tangent-space consistency constraints in Gaussian Splatting without costly ray-tracing intersections. This physically guided design improves reconstruction quality and efficiency, requiring only about 10 minutes of training. Extensive experiments on both synthetic and real-world datasets validate the effectiveness of our method.