Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2504.00387

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2504.00387 (cs)
[提交于 2025年4月1日 (v1) ,最后修订 2025年4月21日 (此版本, v2)]

标题: Scene4U:基于单张全景图像的分层3D场景重建,用于沉浸式探索

标题: Scene4U: Hierarchical Layered 3D Scene Reconstruction from Single Panoramic Image for Your Immerse Exploration

Authors:Zilong Huang, Jun He, Junyan Ye, Lihan Jiang, Weijia Li, Yiping Chen, Ting Han
摘要: 沉浸式和真实的三维场景重建在计算机视觉和计算机图形学的各个领域具有重要的实际意义。 通常,沉浸式和真实的场景应该不受动态物体遮挡的影响,保持全局纹理一致性,并允许无限制地探索。 当前主流的图像驱动场景构建方法涉及使用移动虚拟相机迭代优化初始图像以生成场景。 然而,先前的方法由于相机姿态变化下的全局纹理不一致而难以避免视觉不连续性,并且经常出现由前景-背景遮挡引起的场景空洞。 为此,我们提出了一种基于全景图的新颖分层三维场景重建框架,名为Scene4U。 具体而言,Scene4U将开放词汇分割模型与大型语言模型相结合,将真实全景图分解为多个层次。 然后,我们采用基于扩散模型的分层修复模块,利用视觉线索和深度信息恢复被遮挡的区域,生成场景的分层表示。 多层全景图随后初始化为三维高斯点阵表示,接着进行分层优化,最终生成支持自由探索的具有语义和结构一致性的沉浸式三维场景。 Scene4U在LPIPS指标上比最先进的方法提高了24.24%,在BRISQUE指标上提高了24.40%,同时实现了最快的训练速度。 此外,为了展示Scene4U的鲁棒性并让用户体验来自各种地标的真实场景,我们构建了WorldVista3D数据集用于三维场景重建,该数据集包含了全球著名地点的全景图像。 实现代码和数据集将在https://github.com/LongHZ140516/Scene4U发布。
摘要: The reconstruction of immersive and realistic 3D scenes holds significant practical importance in various fields of computer vision and computer graphics. Typically, immersive and realistic scenes should be free from obstructions by dynamic objects, maintain global texture consistency, and allow for unrestricted exploration. The current mainstream methods for image-driven scene construction involves iteratively refining the initial image using a moving virtual camera to generate the scene. However, previous methods struggle with visual discontinuities due to global texture inconsistencies under varying camera poses, and they frequently exhibit scene voids caused by foreground-background occlusions. To this end, we propose a novel layered 3D scene reconstruction framework from panoramic image, named Scene4U. Specifically, Scene4U integrates an open-vocabulary segmentation model with a large language model to decompose a real panorama into multiple layers. Then, we employs a layered repair module based on diffusion model to restore occluded regions using visual cues and depth information, generating a hierarchical representation of the scene. The multi-layer panorama is then initialized as a 3D Gaussian Splatting representation, followed by layered optimization, which ultimately produces an immersive 3D scene with semantic and structural consistency that supports free exploration. Scene4U outperforms state-of-the-art method, improving by 24.24% in LPIPS and 24.40% in BRISQUE, while also achieving the fastest training speed. Additionally, to demonstrate the robustness of Scene4U and allow users to experience immersive scenes from various landmarks, we build WorldVista3D dataset for 3D scene reconstruction, which contains panoramic images of globally renowned sites. The implementation code and dataset will be released at https://github.com/LongHZ140516/Scene4U .
评论: CVPR 2025, 11页, 7幅图
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2504.00387 [cs.CV]
  (或者 arXiv:2504.00387v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.00387
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Weijia Li [查看电子邮件]
[v1] 星期二, 2025 年 4 月 1 日 03:17:24 UTC (7,145 KB)
[v2] 星期一, 2025 年 4 月 21 日 02:40:21 UTC (7,312 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号