OUGS：面向3DGS的物体感知不确定性视图选择框架

Haiyi Li 等作者提出 OUGS，一种面向 3D 高斯泼溅（3DGS）的物体感知不确定性估计与主动视角选择框架。该方法直接从 3D 高斯图元的位置、尺度、旋转等物理参数推导不确定性，并通过渲染 Jacobian 传播协方差，再结合语义分割掩码生成物体级不确定性分数，把目标物体与背景干扰分开，从而优先选择对目标物体保真度提升关键的视角。 作者称，实验显示该方法显著提升了 3DGS 的重建效率与目标物体质量，同时也可作为全局场景的稳健不确定性估计器。这些效果目前来自论文自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。