AmbiSuR高保真3D重建技术解析：北航新国立联合研究重塑几何建模

3D高斯泼溅（3D Gaussian Splatting, 3DGS）以其出色的新视角合成与实时渲染性能，已成为神经渲染领域的关键技术。然而，从3DGS表征中直接提取精确的3D网格几何体，却普遍遭遇严重的表面失真挑战。研究指出，其核心症结在于优化过程中缺乏有效的几何约束，导致模型倾向于产生过度重建与病态的基元重叠。这种失真几何本质上是利用大量冗余、错位的高斯基元，通过复杂的遮挡关系来拟合视角依赖的外观效果，而非重建出清晰的物理表面。

这一瓶颈的根源在于现实场景中普遍存在的光度多义性。在弱纹理区域、高光反射面或存在严重遮挡的视角下，仅依赖多视图的光度一致性约束，优化过程极易陷入局部最优，产生“几何过拟合”。现有解决方案通常依赖额外的光线传播模拟，但其作用范围有限；或全局引入深度等外部先验进行正则化，这类方法不仅可能引入先验模型本身的偏差，更会削弱3DGS在纹理丰富区域捕捉高频细节的核心优势。

为从根本上解决3DGS的表面重建精度问题，北京航空航天大学与新加坡国立大学的百晓 & Gim Hee Lee团队在论文《Revisiting Photometric Ambiguity for Accurate Gaussian-Splatting Surface Reconstruction》中提出了AmbiSuR框架。该研究回归3DGS表征基础，深入解析了高斯基元级别的多义性成因，并首次论证了球谐函数系数可作为识别“多义性区域”的内在指示器。这一方法具备高度通用性，其架构设计独立于任何特定类型的外部先验。

该论文已被ICML 2026接收，相关代码已开源。