2D GauSS-MI: Efficient Active Scene Reconstruction with Balanced Visual and Geometric Quality

📄 arXiv: 2609.21516v1 📥 PDF

作者: Yuhan Xie, Jia Pan

分类: cs.CV, cs.RO

发布日期: 2026-09-18

💡 一句话要点

提出2D GauSS-MI以解决高效场景重建问题

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

关键词: 主动重建 2D高斯点云 互信息度量 视角选择 计算效率 几何质量 视觉质量

📋 核心要点

  1. 现有主动重建方法在实时操作中难以平衡视觉质量与几何质量，导致重建效果不理想。
  2. 本文提出了一种基于2D高斯点云的主动重建框架，利用互信息度量来优化视角选择。
  3. 实验结果显示，所提方法在八个Replica场景中相较于三种最先进的基线方法，显著提升了重建质量与计算效率。

📝 摘要（中文）

主动重建需要高效的视角选择，以在有限的计算资源下实现高质量重建。现有方法在平衡视觉和几何质量与实时操作所需的计算效率方面面临挑战。本文提出了一种基于2D高斯点云（2DGS）的主动重建框架，开发了高效的在线2DGS映射管道，并引入了一个概率可靠性模型来表征单个2D高斯点的视角依赖重建质量。基于此模型，提出了2D高斯点互信息（2D GauSS-MI）度量，利用2DGS的显式表面方向评估候选视角的预期信息增益。该度量使得主动视角选择能够兼顾视觉和几何重建质量。实验结果表明，所提方法在视觉和几何重建质量之间实现了良好的平衡，同时显著降低了计算成本，并在模型存储上具有竞争力。

🔬 方法详解

问题定义：本文旨在解决主动重建中视角选择的效率与重建质量之间的平衡问题。现有方法在实时操作中难以同时满足视觉和几何质量的要求，导致重建效果不佳。

核心思路：论文提出了一种基于2D高斯点云的重建框架，利用互信息度量来评估候选视角的信息增益，从而优化视角选择，兼顾视觉和几何质量。

技术框架：整体架构包括高效的在线2DGS映射管道和概率可靠性模型。映射管道处理增量RGB-D观测，可靠性模型则表征每个2D高斯点的视角依赖重建质量。

关键创新：最重要的创新在于提出了2D高斯点互信息度量（2D GauSS-MI），该度量利用2DGS的显式表面方向来评估信息增益，显著提升了视角选择的有效性。

关键设计：在设计中，采用了概率模型来量化重建质量，确保在选择视角时能够考虑到不同视角对重建质量的影响，同时优化了计算效率。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

实验结果表明，所提方法在视觉和几何重建质量上实现了良好的平衡，相较于三种最先进的基线方法，计算成本显著降低，同时在模型存储上保持竞争力，展现出优越的性能。

🎯 应用场景

该研究的潜在应用领域包括机器人导航、增强现实和自动驾驶等场景重建任务。通过提高重建效率和质量，能够在资源受限的环境中实现更高效的实时处理，具有重要的实际价值和未来影响。

📄 摘要（原文）

Active reconstruction requires efficient active view selection to achieve high-quality reconstruction within limited onboard computational resources. Existing methods face challenges in adequately balancing visual and geometric quality with the computational efficiency required for real-time operation. In this work, we present an active reconstruction framework based on 2D Gaussian Splatting (2DGS). We develop an efficient online 2DGS mapping pipeline for incremental RGB-D observations and introduce a probabilistic reliability model that characterizes the view-dependent reconstruction quality of individual 2D Gaussian splats. Building on this model, we formulate 2D Gaussian Splatting Shannon Mutual Information (2D GauSS-MI), a mutual-information-based metric that exploits the explicit surface orientation of 2DGS to evaluate the expected information gain of candidate views. The proposed metric enables active view selection to account for both visual and geometric reconstruction quality. We evaluate the proposed system against three state-of-the-art baselines on eight Replica scenes. Experimental results demonstrate that our method achieves a favorable balance between visual and geometric reconstruction quality with substantially lower computational cost and competitive model storage.