GS-Share: Enabling High-fidelity Map Sharing with Incremental Gaussian Splatting

📄 arXiv: 2510.02884v1 📥 PDF

作者: Xinran Zhang, Hanqi Zhu, Yifan Duan, Yanyong Zhang

分类: cs.GR

发布日期: 2025-10-03

备注: 11 pages, 11 figures

💡 一句话要点

GS-Share：通过增量高斯溅射实现高保真地图共享

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

关键词: 3D地图共享 高斯溅射 增量更新 虚拟图像 自动驾驶

📋 核心要点

  1. 现有3D地图共享系统在高保真度、持续更新和网络效率方面存在挑战，难以满足实际应用需求。
  2. GS-Share通过基于锚点的全局地图构建、虚拟图像增强和增量更新，实现了高保真、紧凑的地图共享。
  3. 实验表明，GS-Share在保真度上优于现有方法，尤其是在外推视图上，同时显著降低了地图传输开销。

📝 摘要（中文）

构建和共享3D地图对于自动驾驶和增强现实等诸多应用至关重要。 近年来，3D高斯溅射已成为一种有前景的精确3D重建方法。 然而，一个具有高保真度、持续更新和网络效率的实用地图共享系统仍然难以实现。 为了应对这些挑战，我们推出了GS-Share，这是一个具有紧凑表示的逼真地图共享系统。 GS-Share的核心包括基于锚点的全局地图构建、基于虚拟图像的地图增强和增量地图更新。 我们将GS-Share与最先进的方法进行了评估，结果表明我们的系统实现了更高的保真度，尤其是在外推视图方面，PSNR、LPIPS和深度L1分别提高了11%、22%和74%。 此外，GS-Share更加紧凑，减少了36%的地图传输开销。

🔬 方法详解

问题定义：现有3D地图共享方法在高保真度、持续更新和网络效率之间难以取得平衡。具体来说，重建质量不高，尤其是在未观测区域；地图更新不及时，无法适应环境变化；地图数据量大，传输开销高昂。这些问题限制了3D地图共享在自动驾驶、增强现实等领域的应用。

核心思路：GS-Share的核心思路是利用3D高斯溅射（3D Gaussian Splatting）进行场景重建，并通过一系列优化策略来实现高保真、紧凑且可增量更新的地图表示。通过锚点机制实现全局一致性，利用虚拟图像增强未观测区域的重建质量，并采用增量更新策略来高效地适应环境变化。

技术框架：GS-Share系统主要包含三个阶段：1) 基于锚点的全局地图构建：选择关键帧作为锚点，构建全局一致的3D高斯模型。2) 基于虚拟图像的地图增强：利用渲染的虚拟图像来优化未观测区域的高斯参数，提高重建质量。3) 增量地图更新：检测环境变化，仅更新受影响的高斯参数，减少传输开销。

关键创新：GS-Share的关键创新在于将3D高斯溅射与锚点机制、虚拟图像增强和增量更新策略相结合，从而在保真度、紧凑性和可更新性之间取得了良好的平衡。与现有方法相比，GS-Share能够生成更高质量的地图，尤其是在外推视图方面，同时显著降低了地图传输开销。

关键设计：在锚点选择方面，采用基于信息增益的关键帧选择策略。在虚拟图像生成方面，使用渲染方程模拟不同视角下的图像。在增量更新方面，采用基于高斯参数变化的更新策略，仅更新变化超过阈值的高斯参数。损失函数包括渲染损失、深度损失和正则化项，用于优化高斯参数。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

GS-Share在多个数据集上进行了评估，实验结果表明，GS-Share在保真度方面显著优于现有方法，PSNR、LPIPS和深度L1分别提高了11%、22%和74%。同时，GS-Share的地图大小比现有方法减少了36%，显著降低了地图传输开销。这些结果表明，GS-Share在实际应用中具有很高的价值。

🎯 应用场景

GS-Share可广泛应用于自动驾驶、增强现实、机器人导航等领域。在自动驾驶中，它可以实现高精度地图的构建和共享，提高车辆的感知能力和定位精度。在增强现实中，它可以提供逼真的3D场景，增强用户的沉浸式体验。在机器人导航中，它可以帮助机器人构建环境地图，实现自主导航和避障。该研究有望推动这些领域的发展，并带来更智能、更便捷的生活体验。

📄 摘要（原文）

Constructing and sharing 3D maps is essential for many applications, including autonomous driving and augmented reality. Recently, 3D Gaussian splatting has emerged as a promising approach for accurate 3D reconstruction. However, a practical map-sharing system that features high-fidelity, continuous updates, and network efficiency remains elusive. To address these challenges, we introduce GS-Share, a photorealistic map-sharing system with a compact representation. The core of GS-Share includes anchor-based global map construction, virtual-image-based map enhancement, and incremental map update. We evaluate GS-Share against state-of-the-art methods, demonstrating that our system achieves higher fidelity, particularly for extrapolated views, with improvements of 11%, 22%, and 74% in PSNR, LPIPS, and Depth L1, respectively. Furthermore, GS-Share is significantly more compact, reducing map transmission overhead by 36%.