SSR-GS: 가우시안 스플래팅에서 정반사 분리: 광택 표면 재구성을 위한 방법

SSR-GS: Separating Specular Reflection in Gaussian Splatting for Glossy Surface Reconstruction

최근 몇 년 동안, 3차원 가우시안 스플래팅(3DGS)은 새로운 뷰 합성 분야에서 놀라운 발전을 이루었습니다. 그러나 복잡한 조명 조건에서 광택 표면을 정확하게 재구성하는 것은 여전히 어려운 과제이며, 특히 강한 정반사와 다중 표면 간 반사가 발생하는 장면에서 더욱 그렇습니다. 이러한 문제를 해결하기 위해, 우리는 광택 표면 재구성을 위한 정반사 모델링 프레임워크인 SSR-GS를 제안합니다. 구체적으로, 우리는 직접 정반사를 효율적으로 모델링하기 위해 프리필터링된 밉-큐브맵을 도입하고, 간접 정반사를 캡처하기 위해 IndiASG 모듈을 제안합니다. 또한, 우리는 반사 정보를 고려한 시각적 사전 지식을 반사 점수(RS)를 통해 결합하여 반사 지배적인 영역의 광도 손실 기여도를 줄이는 시각적 기하학적 사전(VGP)을 설계했습니다. VGGT에서 파생된 기하학적 사전으로는 점진적으로 감소하는 깊이 감독과 변환된 법선 제약 조건이 포함됩니다. 합성 데이터셋과 실제 데이터셋에서 수행한 광범위한 실험 결과, SSR-GS는 광택 표면 재구성에서 최첨단 성능을 달성하는 것으로 나타났습니다.

In recent years, 3D Gaussian splatting (3DGS) has achieved remarkable progress in novel view synthesis. However, accurately reconstructing glossy surfaces under complex illumination remains challenging, particularly in scenes with strong specular reflections and multi-surface interreflections. To address this issue, we propose SSR-GS, a specular reflection modeling framework for glossy surface reconstruction. Specifically, we introduce a prefiltered Mip-Cubemap to model direct specular reflections efficiently, and propose an IndiASG module to capture indirect specular reflections. Furthermore, we design Visual Geometry Priors (VGP) that couple a reflection-aware visual prior via a reflection score (RS) to downweight the photometric loss contribution of reflection-dominated regions, with geometry priors derived from VGGT, including progressively decayed depth supervision and transformed normal constraints. Extensive experiments on both synthetic and real-world datasets demonstrate that SSR-GS achieves state-of-the-art performance in glossy surface reconstruction.