OUGS：基于物体感知不确定性估计的 3DGS 主动视角选择

OUGS 提出一种面向 3DGS 的物体感知不确定性框架，直接从 3D 高斯图元的物理参数（位置、尺度、旋转）推导不确定性，并通过渲染 Jacobian 传播协方差。该方法结合语义分割掩码生成物体级不确定性分数，将目标物体与背景干扰解耦，从而优先选择对物体保真度提升关键的视角。实验显示其显著提升 3DGS 重建效率与目标物体质量，同时可作为全局场景的稳健不确定性估计器。