From Blobs to Spokes: High-Fidelity Surface Reconstruction via Oriented Gaussians

📄 arXiv: 2604.07337v1 📥 PDF

作者: Diego Gomez, Antoine Guédon, Nissim Maruani, Bingchen Gong, Maks Ovsjanikov

分类: cs.CV

发布日期: 2026-04-08

备注: Our project page is available in http://diego1401.github.io/BlobsToSpokesWebsite/index.html

💡 一句话要点

提出基于带方向高斯体的表面重建方法，解决3DGS表面提取难题

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

关键词: 3D高斯溅射 表面重建 新视角合成 隐式表示 可微渲染

📋 核心要点

  1. 3D高斯溅射(3DGS)在快速新视角合成中表现出色，但其固有的不透明度使其难以提取高质量的表面几何。
  2. 该论文提出了一种基于带方向高斯体的表面重建方法，通过引入可学习的法线方向和新的衰减公式，构建了原则性的 occupancy 场。
  3. 实验表明，该方法在DTU和Tanks and Temples数据集上取得了新的SOTA结果，能够重建精细的几何结构。

📝 摘要（中文）

3D高斯溅射(3DGS)彻底改变了快速新视角合成，但其基于不透明度的公式使得表面提取非常困难。与基于有符号距离场或 occupancy 的隐式方法不同，3DGS 缺乏全局几何场，迫使现有方法求助于混合深度图的 TSDF 融合等启发式方法。受 Objects as Volumes 框架的启发，我们推导出了高斯溅射的原则性 occupancy 场，并展示了如何使用它来提取复杂场景的高度精确的防水网格。我们的主要贡献是在每个高斯元素上引入一个可学习的定向法线，并定义一个适应的衰减公式，从而为空间中任意位置的法线和 occupancy 场提供闭式表达式。我们进一步引入了一种新颖的一致性损失和一种专用的密集化策略，以强制高斯体通过闭合几何孔来包裹整个表面，确保一个完整的定向图元外壳。我们修改了可微光栅化器，以将深度输出为我们连续模型的等值面，并引入了 Primal Adaptive Meshing 用于任意分辨率的感兴趣区域网格划分。我们还揭示了标准表面评估协议中的基本偏差，并提出了两种更严格的替代方案。总的来说，我们的方法 Gaussian Wrapping 在 DTU 和 Tanks and Temples 上建立了新的最先进水平，以并发工作的一小部分大小生成完整的防水网格，恢复了诸如臭名昭著的难以捉摸的自行车辐条之类的薄结构。

🔬 方法详解

问题定义：现有基于3D高斯溅射(3DGS)的方法虽然在新视角合成任务中表现出色，但由于其基于不透明度的渲染方式，难以直接提取高质量的表面网格。现有方法通常依赖于启发式方法，如TSDF融合，效果有限，且缺乏全局几何一致性。

核心思路：该论文的核心思路是为每个高斯体引入一个可学习的法线方向，并基于此构建一个原则性的 occupancy 场。通过这种方式，可以将3DGS转换为一个类似于隐式表面的表示，从而可以使用标准方法提取表面。

技术框架：该方法主要包含以下几个阶段：1) 初始化3DGS模型；2) 在每个高斯体上学习一个法线方向；3) 基于高斯体的位置、尺度和法线方向，定义一个 occupancy 场；4) 使用可微渲染器，将深度渲染为 occupancy 场的等值面；5) 使用 Primal Adaptive Meshing 进行感兴趣区域的网格划分；6) 使用一致性损失和密集化策略来优化高斯体分布，确保表面完整性。

关键创新：该论文最重要的创新点在于引入了带方向的高斯体，并基于此构建了一个原则性的 occupancy 场。这使得可以利用隐式表面的方法来提取3DGS的表面，克服了传统3DGS方法的局限性。此外，论文还提出了新的损失函数和密集化策略，以提高表面重建的质量。

关键设计：关键设计包括：1) 可学习的法线方向，通过优化损失函数来学习每个高斯体的法线方向；2) 基于高斯体的衰减公式，用于计算空间中任意一点的 occupancy 值；3) 一致性损失，用于约束相邻高斯体的法线方向一致；4) 密集化策略，用于在表面空洞处添加新的高斯体，以确保表面完整性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该方法在DTU和Tanks and Temples数据集上取得了显著的性能提升，超越了现有的3DGS表面重建方法。尤其是在重建薄结构（如自行车辐条）方面，该方法表现出色，能够生成完整的防水网格。实验结果表明，该方法能够以较小的模型尺寸实现高精度的表面重建。

🎯 应用场景

该研究成果可广泛应用于三维重建、虚拟现实、增强现实、机器人导航等领域。高质量的表面重建对于物理仿真、游戏开发、文物数字化等应用具有重要价值。该方法能够重建精细的几何结构，例如自行车辐条等，这对于需要高精度几何模型的应用至关重要。

📄 摘要（原文）

3D Gaussian Splatting (3DGS) has revolutionized fast novel view synthesis, yet its opacity-based formulation makes surface extraction fundamentally difficult. Unlike implicit methods built on Signed Distance Fields or occupancy, 3DGS lacks a global geometric field, forcing existing approaches to resort to heuristics such as TSDF fusion of blended depth maps. Inspired by the Objects as Volumes framework, we derive a principled occupancy field for Gaussian Splatting and show how it can be used to extract highly accurate watertight meshes of complex scenes. Our key contribution is to introduce a learnable oriented normal at each Gaussian element and to define an adapted attenuation formulation, which leads to closed-form expressions for both the normal and occupancy fields at arbitrary locations in space. We further introduce a novel consistency loss and a dedicated densification strategy to enforce Gaussians to wrap the entire surface by closing geometric holes, ensuring a complete shell of oriented primitives. We modify the differentiable rasterizer to output depth as an isosurface of our continuous model, and introduce Primal Adaptive Meshing for Region-of-Interest meshing at arbitrary resolution. We additionally expose fundamental biases in standard surface evaluation protocols and propose two more rigorous alternatives. Overall, our method Gaussian Wrapping sets a new state-of-the-art on DTU and Tanks and Temples, producing complete, watertight meshes at a fraction of the size of concurrent work-recovering thin structures such as the notoriously elusive bicycle spokes.