作者：时间：2025-04-09点击数：401
[作者-赵亮|编辑-王欣芮|审核-刘心月]近期我组在Image and Vision Computing在线发表了题为“TSGaussian: Semantic and depth-guided Target-Specific Gaussian Splatting from sparse views”的论文。
Gaussian Splatting 技术在 3D 场景的全景与交互式分割领域取得了重大进展。然而，现有方法在从稀疏视图重建结构复杂的指定目标时仍存在不足。为解决这一问题，研究团队推出了 TSGaussian——将语义约束与深度先验相结合的全新框架，有效避免几何结构退化。
TSGaussian 的设计理念是将计算资源优先分配给指定目标，同时尽量减少对背景的计算投入。研究团队利用 YOLOv9 提供的边界框作为提示，调用 Segment Anything Model 生成二维掩码预测，从而保证语义准确性与计算效率。
在三维空间中，TSGaussian 通过为每个高斯椭球引入紧凑的身份编码，并结合三维空间一致性正则化，实现高斯点的有效聚类。基于此，研究团队提出了创新的剪枝策略，有效降低冗余三维高斯点数量。
实验结果显示，TSGaussian 在三套标准数据集以及自建数据集上均超过现有最先进方法，在复杂目标重建精度和效率上表现出显著优势。
本组博士研究生赵亮与硕士研究生鲍泽韩为论文的共同第一作者，李伟夫副教授为该论文的通讯作者。本论文得到国家自然科学基金项目（12301651）和国家自然科学基金项目（62376104）的资助。
