北航新国立联合提出AmbiSuR革新三维几何重建技术

近年来，3D高斯泼溅（3D Gaussian Splatting，简称3DGS）技术以其出色的新视角合成效果与实时渲染性能，成为神经渲染领域的重要突破。然而，当研究人员尝试从3DGS模型中直接提取精确的三维网格（Mesh）等几何表面时，常常遭遇严重的几何失真与结构混乱。正如相关论文所揭示的，由于优化过程缺乏有效的表面约束，模型极易产生过度重建与病态的几何重叠，最终形成大量冗余且错乱分布的高斯基元。这些基元并非对应真实的物理表面，而是通过复杂的相互遮挡与混合，强行拟合出依赖于视角变化的光照效果。

这一问题的核心根源在于现实场景中普遍存在的光度多义性挑战。在弱纹理区域、高光反射表面或存在严重遮挡的视角下，仅依靠多张图像之间的光度一致性约束，往往无法引导优化过程收敛到唯一正确的几何解，从而导致模型陷入“几何过拟合”的困境。现有解决方案大多依赖于复杂的光线传播模拟，但其作用范围通常局限于反射等局部现象；或者全局性地引入深度图等外部先验进行正则化，这类方法不仅可能引入先验模型自身的偏差，还常常会削弱3DGS在纹理丰富区域重建高频细节的卓越能力。

为了从本质上攻克这一技术瓶颈，来自北京航空航天大学与新加坡国立大学的百晓、Gim Hee Lee及其合作团队，在其研究论文《Revisiting Photometric Ambiguity for Accurate Gaussian-Splatting Surface Reconstruction》中，提出了一个名为AmbiSuR的创新框架。该研究回归到3DGS的表征本质，深入解析了其内部高斯基元所固有的多义性问题，并首次理论论证与实证了球谐函数系数可以作为高斯泼溅中“多义性自指示器”的关键角色与巨大潜力。该方法具备高度的通用性，其框架设计与所引入的正则化约束均与特定的先验模型类型无关。

此项重要研究成果已被国际顶级机器学习会议ICML 2026接收，相关项目代码已在开源平台发布。