2DGS
2DGS 將三維體積壓縮為一組有方向的二維平面高斯圓盤，使基元在多視角下具一致的幾何，並加入深度失真與法向一致性正則化。網格以渲染深度圖經 TSDF 融合取得。作者在 DTU 以 Chamfer 距離、在 Tanks and Temples 以 F1 評估幾何，指出幾何與影像品質之間存在取捨。
本頁內容
Replaces 3D Gaussians with planar 2D Gaussian disks plus depth-distortion and normal regularization to obtain view-consistent geometry, meshed by TSDF fusion of rendered depth.
技術屬性
欄位內容為文獻擷取紀錄的原文用語（英文），以原文為據；「未查證」表示本研究尚未讀到該資訊，不代表該方法不具備此能力。
| 感測輸入 | monocular camera (multi-view images) |
|---|---|
| 原文測試平台 | 未記錄 |
| 狀態估計 | 不適用 (per-scene optimization; poses from COLMAP) |
| 資料關聯 | direct photometric loss with depth-distortion and normal-consistency regularization |
| 時間表示 | 不適用 |
| 去畸變 | 不適用 |
| 迴圈閉合 | none |
| 全域最佳化 | none |
| 地圖表示 | 2D oriented planar Gaussian disks (surfels) with perspective-correct ray-splat intersection |
| 先驗資訊 | COLMAP cameras and sparse points |
| 可輸出幾何 | mesh by TSDF fusion (Open3D, voxel size 0.004, truncation 0.02) of rendered median depth maps of the training views; median depth outperforms expected depth and screened Poisson reconstruction in the DTU ablation |
| 計算需求 | Custom CUDA kernels built on the 3DGS framework; all experiments on a single RTX 3090 GPU (written 'GTX RTX3090'); DTU training 5.5 min (15k iterations) or 10.9 min (30k), Tanks and Temples 15.5 min, DTU model 52 MB |
使用設備
原文使用的感測器、運算硬體與載具（equipment）。型號保留原文寫法，連結到設備頁中同一型號的歸併名稱；角色依原文用途分為方法輸入、資料集感測器、執行運算平台、參考或真值量測（reference or ground truth）與比較對象設備。
| 類別 | 型號（原文寫法） | 角色 | 資料集 | 原文規格 | 出處 |
|---|---|---|---|---|---|
| 運算硬體 | GTX RTX3090 (as written)歸入：GTX RTX3090 | 執行運算平台 | 未標示 | single GPU for all experiments | (Huang et al., 2024a, Sec. 6.1) |
論文圖片
只收錄原文以開放授權（open license）釋出的圖片，並依授權條件標示出處、圖號、授權與修改方式。
Fig. 12DGS 以二維定向圓盤重建真實場景，並輸出一致的法向、深度與無雜訊網格
出處：Huang et al., 2024a，Fig. 1。授權：CC BY 4.0 (arXiv v3; ACM version also CC BY 4.0)。原始圖檔。修改：轉存為 WebP 格式。
Fig. 23DGS 與 2DGS 的比較：3DGS 在不同視角使用不同交會平面，2DGS 具多視角一致性
出處：Huang et al., 2024a，Fig. 2。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。
Fig. 5DTU 資料集的定性比較，2DGS 表面細緻且雜訊少
出處：Huang et al., 2024a，Fig. 5。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。
Fig. 10Tanks and Temples 資料集的表面重建定性結果
出處：Huang et al., 2024a，Fig. 10。授權：CC BY 4.0。原始圖檔。修改：縮小至寬度不超過 1400 px，並轉存為 WebP 格式。
作者報告的優勢與限制
優勢
- Lowest mean DTU Chamfer distance among compared methods: 0.80 (30k iterations) vs NeuS 0.84, VolSDF 0.86, SuGaR 1.33 and 3DGS 1.96 (Table 1)
- About 100 times faster than SDF baselines on DTU (10.9 min vs more than 12 h) (Table 1)
- Tanks and Temples mean F1 0.32 vs 0.09 for 3DGS and 0.19 for SuGaR (Table 2)
- Competitive novel-view synthesis on Mip-NeRF 360 (outdoor PSNR 24.34 vs 24.64 for 3DGS) (Table 4)
限制
- Assumes fully opaque surfaces; semi-transparent surfaces such as glass are problematic (Limitations, Fig. 12)
- Densification favours texture-rich over geometry-rich areas (Limitations)
- Regularization trades image quality against geometry and may over-smooth (Limitations)
- Tends to create holes in areas with high light intensity (Fig. 12)
- Tanks and Temples mean F1 (0.32) stays below implicit SDF methods Neuralangelo (0.50) and NeuS (0.38) (Table 2)
營建工程相關證據
原論文未涉及營建；2DGS 已被用於隧道與建築外殼的營建研究，見（Qian et al., 2026）、（Chowdhury et al., 2026）（依其摘要）。
原文驗證環境：公開基準
報告的性能數據
以下是原文作者報告的性能數值（author-reported results），不是本研究重新量測的結果。每張圖只並列同一個比較組（comparison group，同一張表、同一組實驗設定）內的方法；不同比較組之間的數值不可直接比較，也不構成排名。
本方法共出現在 4 個比較組，合計 47 筆紀錄。
Huang et al., 2024a · Table 1 本方法 34 筆
表格設定（擷取紀錄原文）：Chamfer distance per DTU scan (15 scans) and mean; meshes of 3DGS and 2DGS by TSDF fusion of rendered depth; unit not stated in the paper; images downsampled to 800 x 600; COLMAP sparse points for initialization (Huang et al., 2024a, Table 1)
Chamfer distance (CD)，DTU · scan 24
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Huang et al., 2024a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Huang et al., 2024a, Table 1)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| NeRF (Mildenhall et al., 2021) | 1.9 | (Huang et al., 2024a, Table 1) |
| VolSDF (Yariv et al., 2021) | 1.14 | (Huang et al., 2024a, Table 1) |
| NeuS (Wang et al., 2021) | 1 | (Huang et al., 2024a, Table 1) |
| 3DGS (Kerbl et al., 2023) | 2.14 | (Huang et al., 2024a, Table 1) |
| SuGaR (Guédon and Lepetit, 2023) | 1.47 | (Huang et al., 2024a, Table 1) |
| 2DGS-15k (Ours)本方法原文提出 | 0.48 | (Huang et al., 2024a, Table 1) |
| 2DGS-30k (Ours)本方法原文提出 | 0.48 | (Huang et al., 2024a, Table 1) |
Huang et al., 2024a · Table 2 本方法 8 筆
表格設定（擷取紀錄原文）：F1 score per Tanks and Temples scene and mean; distance threshold not stated in the paper (TnT benchmark protocol) (Huang et al., 2024a, Table 2)
F1 score，Tanks and Temples · Barn
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Huang et al., 2024a 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Huang et al., 2024a, Table 2)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| NeuS | 0.29 | (Huang et al., 2024a, Table 2) |
| Geo-Neus | 0.33 | (Huang et al., 2024a, Table 2) |
| Neurlangelo (as written; Neuralangelo) | 0.7 | (Huang et al., 2024a, Table 2) |
| SuGaR | 0.14 | (Huang et al., 2024a, Table 2) |
| 3DGS | 0.13 | (Huang et al., 2024a, Table 2) |
| Ours本方法原文提出 | 0.41 | (Huang et al., 2024a, Table 2) |
Qian et al., 2026 · Table 3 本方法 4 筆
資料集與序列Zhejiang shield tunnel UAV video (authors) · 80 m section, 210 images
表格設定（擷取紀錄原文）：Modeling time per pipeline stage for the three mesh models on the same workstation; MVS dense stage run with GPU acceleration; face counts of Nos. 2 and 3 matched to No. 1 (about 10 million) via TSDF voxel size (Qian et al., 2026, Table 3)
Modeling time, Foundation: SfM (converted from h min s)，Zhejiang shield tunnel UAV video (authors) · 80 m section, 210 images
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Qian et al., 2026 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Qian et al., 2026, Table 3)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| MVS + surface reconstruction (No. 1)硬體：Intel Core i9-14900KF, NVIDIA GeForce RTX 4080, 64 GB RAM, Windows 11 | 12.12 min | (Qian et al., 2026, Table 3) |
| 2DGS (no mask) + TSDF (No. 2)本方法硬體：Intel Core i9-14900KF, NVIDIA GeForce RTX 4080, 64 GB RAM, Windows 11 | 12.12 min | (Qian et al., 2026, Table 3) |
| 2DGS (mask) + TSDF (No. 3)原文提出硬體：Intel Core i9-14900KF, NVIDIA GeForce RTX 4080, 64 GB RAM, Windows 11 | 12.12 min | (Qian et al., 2026, Table 3) |
Qian et al., 2026 · Text Sec. Geometric Accuracy Evaluation 本方法 1 筆
指標Average point distance to model No. 1
資料集與序列Zhejiang shield tunnel UAV video (authors) · 80 m section
表格設定（擷取紀錄原文）：Mean point-to-point distance from uniformly sampled mesh points of each 2DGS+TSDF model to the MVS+surface-reconstruction mesh (No. 1, designated reference); models have no absolute scale (unit u); registration method not stated (Qian et al., 2026, Text Sec. Geometric Accuracy Evaluation)
Average point distance to model No. 1，Zhejiang shield tunnel UAV video (authors) · 80 m section
只並列這張表在相同設定下報告的方法；以「本方法：」開頭者為本頁方法。失敗、未執行與未報告以標記呈現，不是 0。
按 Tab 進入圖表後，用上下方向鍵逐一瀏覽各類別，Esc 關閉提示框；也可開啟表格檢視閱讀全部數值。
這些是 Qian et al., 2026 在此表設定下報告的數值（author-reported results），只能在同一個比較組內對照，不代表方法在其他資料或設定下的表現。
資料來源作者報告值(Qian et al., 2026, Text Sec. Geometric Accuracy Evaluation)
| 方法（原文寫法） | 報告值 | 出處 |
|---|---|---|
| 2DGS (no mask) + TSDF (No. 2)本方法 | 0.09 | (Qian et al., 2026, Experimental Results, Geometric Accuracy Evaluation; Fig. 14 text) |
| 2DGS (mask) + TSDF (No. 3)原文提出 | 0.083 | (Qian et al., 2026, Experimental Results, Geometric Accuracy Evaluation; Fig. 14 text) |
來源
Huang et al., 2024a
（2024）2D Gaussian Splatting for Geometrically Accurate Radiance FieldsSpecial Interest Group on Computer Graphics and Interactive Techniques Conference Conference Papers (SIGGRAPH 2024), pp. 1-11
DOI 10.1145/3641519.3657428arXiv 2403.17888程式碼
同儕審查已出版已讀全文近十年
相關版本
- 預印本：arXiv:2403.17888 (comment: corrected Eq. 7) https://arxiv.org/abs/2403.17888
程式碼：https://github.com/hbb1/2d-gaussian-splatting（授權：Gaussian-Splatting License (non-commercial research use per LICENSE.md)）。有公開程式碼不等於已被重現，也不代表目前版本與論文版本相同。