SVGS: Single-View to 3D Object Editing via Gaussian Splatting

📄 arXiv: 2603.28126v1 📥 PDF

作者: Pengcheng Xue, Yan Tian, Qiutao Song, Ziyi Wang, Linyang He, Weiping Ding, Mahmoud Hassaballah, Karen Egiazarian, Wei-Fa Yang, Leszek Rutkowski

分类: cs.CV

发布日期: 2026-03-30

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出SVGS，利用高斯溅射实现单视角文本驱动的3D物体编辑。

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

关键词: 3D编辑 高斯溅射 文本驱动 单视角 扩散模型 神经辐射场 场景重建

📋 核心要点

  1. 现有基于NeRF的文本驱动3D编辑方法速度慢，且多视角编辑常导致结果不一致。
  2. SVGS利用单视角编辑策略和多视角扩散模型，重建3D场景并保证编辑结果的一致性。
  3. SVGS采用稀疏3D高斯溅射表示，显著提升了编辑效率，并在实验中优于现有方法。

📝 摘要（中文）

本文提出了一种名为SVGS（Single-View to 3D Object Editing via Gaussian Splatting）的新方法，用于单视角文本驱动的3D物体编辑。现有方法依赖于神经辐射场（NeRF）等隐式3D表示，处理速度慢且对场景特定区域的控制有限。此外，Instruct-NeRF2NeRF和GaussianEditor等多视角编辑方法在执行文本指令时，不同视角的结果常常不一致。为了解决这些问题，SVGS采用基于3D高斯溅射（3DGS）的单视角编辑策略，利用多视角扩散模型重建3D场景，仅选择产生一致编辑结果的视角。稀疏3D高斯溅射的使用显著提高了编辑效率。实验结果表明，SVGS在编辑能力和处理速度上均优于现有方法，代表了3D编辑技术的显著进步。

🔬 方法详解

问题定义：现有文本驱动的3D场景编辑方法，特别是基于NeRF的方法，存在处理速度慢、难以控制特定区域以及多视角编辑结果不一致等问题。这些问题限制了3D编辑的效率和质量，使得用户难以获得满意的编辑效果。

核心思路：SVGS的核心思路是利用单视角编辑策略，结合多视角扩散模型，仅选择产生一致编辑结果的视角来重建3D场景。同时，采用3D高斯溅射（3DGS）作为3D表示，以提高编辑效率。通过这种方式，SVGS旨在平衡编辑的一致性和效率，从而实现更快速、更可控的3D编辑。

技术框架：SVGS的整体框架包含以下几个主要阶段：1) 输入单视角图像和文本指令；2) 使用多视角扩散模型生成多个视角的编辑结果；3) 选择编辑结果一致的视角；4) 利用选定的视角和3D高斯溅射重建3D场景；5) 对3D高斯溅射进行优化，以实现文本驱动的编辑。

关键创新：SVGS的关键创新在于其单视角编辑策略和3D高斯溅射的结合。传统的文本驱动3D编辑方法通常依赖于多视角信息，容易产生不一致的结果。而SVGS通过单视角编辑策略，避免了多视角不一致的问题，提高了编辑结果的质量。同时，3D高斯溅射作为一种高效的3D表示方法，显著提高了编辑速度。

关键设计：SVGS的关键设计包括：1) 使用预训练的多视角扩散模型，以生成高质量的编辑结果；2) 设计一种一致性评估方法，用于选择编辑结果一致的视角；3) 采用稀疏3D高斯溅射表示，以减少计算量和提高编辑效率；4) 设计合适的损失函数，以优化3D高斯溅射的参数，从而实现文本驱动的编辑。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，SVGS在编辑能力和处理速度上均优于现有方法。具体来说，SVGS能够生成更一致、更逼真的编辑结果，并且编辑速度比基于NeRF的方法快得多。这些结果表明，SVGS是一种有竞争力的文本驱动3D编辑方法。

🎯 应用场景

SVGS具有广泛的应用前景，包括游戏开发、虚拟现实、增强现实、产品设计和数字内容创作等领域。它可以帮助用户快速、高效地编辑3D场景，从而降低3D内容创作的门槛，并为用户提供更丰富的创作工具。未来，SVGS有望成为3D内容创作的重要组成部分。

📄 摘要（原文）

Text-driven 3D scene editing has attracted considerable interest due to its convenience and user-friendliness. However, methods that rely on implicit 3D representations, such as Neural Radiance Fields (NeRF), while effective in rendering complex scenes, are hindered by slow processing speeds and limited control over specific regions of the scene. Moreover, existing approaches, including Instruct-NeRF2NeRF and GaussianEditor, which utilize multi-view editing strategies, frequently produce inconsistent results across different views when executing text instructions. This inconsistency can adversely affect the overall performance of the model, complicating the task of balancing the consistency of editing results with editing efficiency. To address these challenges, we propose a novel method termed Single-View to 3D Object Editing via Gaussian Splatting (SVGS), which is a single-view text-driven editing technique based on 3D Gaussian Splatting (3DGS). Specifically, in response to text instructions, we introduce a single-view editing strategy grounded in multi-view diffusion models, which reconstructs 3D scenes by leveraging only those views that yield consistent editing results. Additionally, we employ sparse 3D Gaussian Splatting as the 3D representation, which significantly enhances editing efficiency. We conducted a comparative analysis of SVGS against existing baseline methods across various scene settings, and the results indicate that SVGS outperforms its counterparts in both editing capability and processing speed, representing a significant advancement in 3D editing technology. For further details, please visit our project page at: https://amateurc.github.io/svgs.github.io.