【深度学习新浪潮】用3DGS做三维重建有哪些主要的技术路线可供选择？
3DGS（3D Gaussian Splatting，三维高斯溅射）是当前主流的高质量三维重建与渲染技术，其核心是通过离散的三维高斯球表示场景几何与外观，并通过优化高斯球的位置、尺度、旋转、颜色等参数，实现照片级的重建效果。基于3DGS的三维重建技术路线，主要围绕数据输入类型、场景动态性、精度与实时性需求展开划分，以下是最核心的5类技术路线及细节解析：
一、核心技术路线分类：按数据输入与场景需求划分
路线1：多视角静态图像驱动的3DGS重建（最通用）
这是3DGS的“原生路线”，仅依赖多张静态视角图像（无深度信息）即可完成重建，无需特殊设备，是目前应用最广泛的路线。其核心逻辑是通过“图像匹配-初始建模-高斯优化-渲染验证”的闭环，从2D图像中恢复3D结构。
关键步骤：
-
图像预处理与相机姿态估计
- 输入：50-200张覆盖场景全视角的图像（需有重叠区域，分辨率建议1K以上）；
- 处理：用SfM（Structure from Motion，运动恢复结构） 算法计算每张图像