⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验
2025-11-22 更新
EOGS++: Earth Observation Gaussian Splatting with Internal Camera Refinement and Direct Panchromatic Rendering
Authors:Pierrick Bournez, Luca Savant Aira, Thibaud Ehret, Gabriele Facciolo
Recently, 3D Gaussian Splatting has been introduced as a compelling alternative to NeRF for Earth observation, offering com- petitive reconstruction quality with significantly reduced training times. In this work, we extend the Earth Observation Gaussian Splatting (EOGS) framework to propose EOGS++, a novel method tailored for satellite imagery that directly operates on raw high-resolution panchromatic data without requiring external preprocessing. Furthermore, leveraging optical flow techniques we embed bundle adjustment directly within the training process, avoiding reliance on external optimization tools while improving camera pose estimation. We also introduce several improvements to the original implementation, including early stopping and TSDF post-processing, all contributing to sharper reconstructions and better geometric accuracy. Experiments on the IARPA 2016 and DFC2019 datasets demonstrate that EOGS++ achieves state-of-the-art performance in terms of reconstruction quality and effi- ciency, outperforming the original EOGS method and other NeRF-based methods while maintaining the computational advantages of Gaussian Splatting. Our model demonstrates an improvement from 1.33 to 1.19 mean MAE errors on buildings compared to the original EOGS models
最近，3D高斯平铺（3D Gaussian Splatting）作为神经辐射场表示（NeRF）在地球观测领域的吸引人的一种替代方案被引入。它提供了具有竞争力的重建质量，并大大减少了训练时间。在这项工作中，我们扩展了地球观测高斯平铺（EOGS）框架，提出了EOGS++，这是一种针对卫星图像的新方法，它可以直接在原始高分辨率全色数据上操作，无需外部预处理。此外，我们借助光流技术，将捆绑调整直接嵌入到训练过程中，避免了对外部优化工具的依赖，同时改进了相机姿态估计。我们还对原始实现进行了几项改进，包括早期停止和TSDF后处理，所有这些都有助于实现更清晰的重建和更高的几何精度。在IARPA 2016和DFC2019数据集上的实验表明，EOGS++在重建质量和效率方面达到了最新水平，超越了原始的EOGS方法和其他的NeRF基方法，同时保持了高斯平铺的计算优势。与原始的EOGS模型相比，我们的模型在建筑物上的平均MAE误差从1.33改进到1.19。
论文及项目相关链接
PDF 8 pages, ISPRS
Summary
本文介绍了针对地球观测的3D高斯涂斑技术的改进版本——EOGS++。该方法直接在原始高分辨率单色数据上操作，无需外部预处理。通过利用光学流动技术，将束调整嵌入到训练过程中，提高了相机姿态估计的准确性，并避免了对外部优化工具的依赖。此外，对原始实现进行了几项改进，包括早期停止和TSDF后处理，这些改进有助于获得更清晰的重构和更高的几何精度。在IARPA 2016和DFC2019数据集上的实验表明，EOGS++在重构质量和效率方面达到了最新技术水平，相较于原始EOGS方法和其他基于NeRF的方法展现出更好的性能，同时保持了高斯涂斑的计算优势。
Key Takeaways
- EOGS++ 是针对卫星影像的地球观测高斯涂斑（EOGS）框架的延伸。
- EOGS++ 直接在原始高分辨率单色数据上操作，无需外部预处理。
- 通过嵌入光学流动技术，改进了相机姿态估计，并提高了准确性。
- EOGS++ 改进了原始实现，包括早期停止和TSDF后处理，以提高重构的清晰度和几何精度。
- EOGS++ 在IARPA 2016和DFC2019数据集上实现了最先进的性能。
- EOGS++ 相较于原始EOGS方法和其他NeRF-based方法展现出更好的性能。
- EOGS++ 保留了高斯涂斑的计算优势。