GTSR: Subsurface Scattering Awared 3D Gaussians for Translucent Surface Reconstruction

📄 arXiv: 2603.22036v1 📥 PDF

作者: Youwen Yuan, Xi Zhao

分类: cs.CV

发布日期: 2026-03-23

💡 一句话要点

提出GTSR：一种基于次表面散射的3D高斯方法，用于半透明物体表面重建

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

关键词: 半透明物体重建 次表面散射 3D高斯 菲涅尔项 Disney BSDF 神经渲染 多视角重建

📋 核心要点

  1. 现有方法在半透明物体重建中面临挑战，如计算成本高昂，且难以捕捉半透明物体的光学特性。
  2. GTSR方法通过结合表面和内部高斯分布，并利用菲涅尔项混合，有效模拟了半透明物体的表面和散射颜色。
  3. 实验结果表明，GTSR在半透明物体重建方面优于现有方法，并具有实时渲染能力，且能适应不同材质。

📝 摘要（中文）

从多视角图像重建半透明物体是一个难题。以往的研究人员使用可微路径追踪和神经隐式场，但计算成本相对较高。最近，许多工作基于3D高斯（3DGS）管线在不透明物体的重建上取得了良好的效果和更高的效率。然而，这些方法难以处理半透明物体，因为它们没有考虑半透明物体的光学特性。本文提出了一种新的基于3DGS的管线（GTSR）来重建半透明物体的表面几何形状。GTSR结合了两组高斯分布，即表面高斯和内部高斯，用于模拟光线穿过半透明物体时的表面和散射颜色。为了渲染半透明物体的外观，我们引入了一种使用菲涅尔项来混合两组高斯分布的方法。此外，为了改善非轮廓区域的重建细节，我们引入了带有延迟渲染的Disney BSDF模型，以增强法线和深度的约束。实验结果表明，我们的方法在NeuralTO Syn数据集上优于基线重建方法，同时显示出良好的实时渲染性能。我们还使用具有不同材料属性的新半透明物体扩展了数据集，并证明我们的方法可以适应不同的半透明材料。

🔬 方法详解

问题定义：论文旨在解决从多视角图像中高效且准确地重建半透明物体表面的问题。现有方法，如基于可微路径追踪和神经隐式场的方法，计算成本高昂。而基于3D高斯（3DGS）的方法虽然在不透明物体重建上表现出色，但无法直接应用于半透明物体，因为它们忽略了次表面散射等光学特性。

核心思路：论文的核心思路是利用两组3D高斯分布分别表示半透明物体的表面和内部散射特性。通过表面高斯模拟表面反射，内部高斯模拟光线在物体内部的散射效果。然后，利用菲涅尔项将两组高斯分布进行混合，从而实现对半透明物体外观的准确渲染。

技术框架：GTSR的整体框架包括以下几个主要步骤：1) 初始化两组3D高斯分布（表面高斯和内部高斯）；2) 使用多视角图像对高斯分布的参数进行优化，包括位置、颜色、不透明度等；3) 利用菲涅尔项混合表面高斯和内部高斯，计算最终的渲染颜色；4) 使用Disney BSDF模型和延迟渲染来增强法线和深度的约束，提高重建细节。

关键创新：该方法最重要的创新点在于将3D高斯表示扩展到半透明物体重建，并引入了表面和内部两组高斯分布来分别模拟表面反射和次表面散射。此外，使用菲涅尔项进行混合，能够更准确地模拟光线在半透明物体中的传播和散射过程。

关键设计：关键设计包括：1) 使用两组3D高斯分布，并分别优化它们的参数；2) 使用菲涅尔项作为混合权重，控制表面反射和次表面散射的贡献；3) 引入Disney BSDF模型，并结合延迟渲染，利用法线和深度信息来增强重建的几何细节；4) 损失函数的设计，需要同时考虑重建的颜色误差、法线误差和深度误差。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GTSR方法在NeuralTO Syn数据集上优于基线方法，能够更准确地重建半透明物体的表面几何形状和外观。此外，GTSR方法具有实时渲染能力，可以快速生成高质量的渲染图像。该方法还能够适应不同材质的半透明物体，具有较强的泛化能力。

🎯 应用场景

该研究成果可应用于虚拟现实、增强现实、游戏开发、工业设计等领域。例如，可以用于创建更逼真的虚拟物体，提高用户体验。在工业设计中，可以用于模拟半透明材料的外观，辅助产品设计和展示。未来，该技术有望进一步扩展到更复杂的材质和光照条件下，实现更高质量的半透明物体重建。

📄 摘要（原文）

Reconstructing translucent objects from multi-view images is a difficult problem. Previously, researchers have used differentiable path tracing and the neural implicit field, which require relatively large computational costs. Recently, many works have achieved good reconstruction results for opaque objects based on a 3DGS pipeline with much higher efficiency. However, such methods have difficulty dealing with translucent objects, because they do not consider the optical properties of translucent objects. In this paper, we propose a novel 3DGS-based pipeline (GTSR) to reconstruct the surface geometry of translucent objects. GTSR combines two sets of Gaussians, surface and interior Gaussians, which are used to model the surface and scattering color when lights pass translucent objects. To render the appearance of translucent objects, we introduce a method that uses the Fresnel term to blend two sets of Gaussians. Furthermore, to improve the reconstructed details of non-contour areas, we introduce the Disney BSDF model with deferred rendering to enhance constraints of the normal and depth. Experimental results demonstrate that our method outperforms baseline reconstruction methods on the NeuralTO Syn dataset while showing great real-time rendering performance. We also extend the dataset with new translucent objects of varying material properties and demonstrate our method can adapt to different translucent materials.