3DGS技术在新视角合成和3D重建方面展现出实时生成照片级真实感渲染的能力，因此受到了广泛关注。但是，当前已有技术在处理包含运动物体的场景建模时，准确度不够高，经常造成渲染出来的图像带有虚假现象。
最新一项科研工作中，中山大学、深圳市未来智联网络研究院及港中深的研究人员开发了名为 RobustSplat 的稳健性处理方案，该方案的关键构思有两个方面：首先，开创性地运用了滞后高斯增殖技巧，在高斯分裂或复制操作实施前，优先对固定环境构造进行完善，以此降低优化启动阶段对活动对象的误认；其次，构思了尺寸逐级叠加的掩码引导方式，先借助低清晰度特征间的关联性进行可靠的初始活动掩码判定（凭借其更优的语义统一性与抗干扰能力），然后逐步切换到高清晰度指导，借此达成更精密的掩码分析。
研究动机
我们剖析后发现，高斯致密化在 3D Gaussian Splatting 中发挥着双重效果，一方面有助于提升场景细节的呈现，另一方面却容易让模型过早地适配动态区域，从而引发图像失真和虚假现象。这一发现说明，惯常的压缩方法在涉及活动对象的场景构建时，有潜在的不稳定因素，就是说，这种做法换取的图像精细度，或许需要以降低固定部分的表现力以及产生虚假图像为代价。
这项工作开展的出发点，在于对相关研究的透彻认识，目的在于，通过控制压实环节的启动时刻，能够合理兼顾画面固定布局的呈现，以及动态杂讯的排除。致密化过程对于完善局部特征至关重要，同时它也可能加剧运动造成的图像失真，针对这一问题，我们设计了「迟滞高斯扩张」方法，将致密化步骤向后推移，以便精确地恢复固定结构，此外，运用多层级遮罩进行调控，能够有效减少活动性造成的视觉瑕疵，这有助于在具有挑战性的环境中，达成稳定且具备精细纹理的立体图像生成。
方法
瞬态掩码估计
网络构造：运用具备双重线性单元的掩码多层感知器，以视觉特性作为数据来源，借助 Sigmoid 模型，产生针对每个像素点的即时遮罩图 Mt，其数值区间为 0到1，数值 0代表动态范围，数值 1代表固定范围。
采用 DINOv2 特征进行选择，是因为这种特征在语义统一性、抗干扰能力和运算效能方面达到了理想兼顾的效果。相比之下，Stable Diffusion 特征虽然语义内涵丰富，但运算开销较大，SAM 特征虽然边缘识别精准，却容易忽略瞬变物体留下的暗影部分，而 DINOv2 特征能够持续有效地辅助遮罩预测。
监督设计方面，掩码 MLP 的优化融合了图像残差误差和特征向量角度接近度：依据渲染图像同真实图像的光线偏差，获取像素位置上的变动信息，当作初始的指导信息。并且，把渲染图像与真实图像经过 DINOv2 提取的特征向量相似程度，转化为 0 到 1 之间的数值，充当特征层面的指导，旨在提升对语义相关变动区域的判断能力。
延迟高斯生增长策略
RobustSplat 提出了一种缓解 3DGS 优化中动态物体过度拟合现象的方法，该方案的关键在于将高斯密集化步骤，包括分裂与复制动作，向后推移，以便首先确保静态环境构造的完善，从而为掩码训练奠定更可靠的根基。
掩码正则化旨在解决初始优化环节掩码判断存在偏差的情况，其主要作用在于降低静态部分被错误识别为动态部分的可能性，以此保障三维场景几何结构（3DGS）能够优先对静态环境进行优化处理。
掩码学习的总损失：
尺度级联掩码引导
首先，借助低分辨率特征相似性监督，完成初始瞬态掩码的预估工作，并利用其具备的显著语义统一能力和抗干扰性能；然后，逐步切换到高分辨率监督模式，达成更为精准的掩码判定，以减少对静态区域的错误划分。
实验
下图分别呈现了 NeRF On-the-go 和 RobustNeRF 数据集上的实验数据。参照 3DGS、SpotLessSplats、WildGaussians 等基准方法，RobustSplat 在 PSNR、SSIM、LPIPS 等评测标准上均表现更优。
总结
实验分析表明，高斯致密化过程虽然增强了场景细节的获取效果，但也会形成额外的高斯用以模拟瞬态干扰，进而无意中生成了渲染方面的虚假现象。
RobustSplat 采用一种延缓的 Gaussian 增长方案，并运用层级化的掩码引导技术，以此提升 3DGS 的表现，目的是降低由暂时性物体引发的视觉瑕疵。
测试显示，这种技术面对 NeRF On-the-go 与 RobustNeRF 这两个数据集时，各项性能指标均远超当前其他基准方案，它能够应对包含多种暂时性元素的复杂环境，并且能维持场景的精细程度。
