[논문 리뷰] Spherical-GOF: Geometry-Aware Panoramic Gaussian Opacity Fields for 3D Scene Reconstruction

Zhe Yang, Guoqiang Zhao외 3명|arXiv (Cornell University)|2026. 03. 09.

Advanced Vision and Imaging인용 수 0

한 줄 요약

Spherical-GOF는 전 방향 파노라마 재구성을 위한 구면 광선 공간 가우시안 불투명도 필드 프레임워크를 도입하여 투영 기반 기준선보다 기하학적 일관성과 깊이 품질을 향상시키면서도 광학적 렌더링은 경쟁력 있게 유지합니다. 구면 기반 광선 샘플링, 보수적 바운딩, 파노라마 인식 정규화 항을 사용합니다.

ABSTRACT

Omnidirectional images are increasingly used in robotics and vision due to their wide field of view. However, extending 3D Gaussian Splatting (3DGS) to panoramic camera models remains challenging, as existing formulations are designed for perspective projections and naive adaptations often introduce distortion and geometric inconsistencies. We present Spherical-GOF, an omnidirectional Gaussian rendering framework built upon Gaussian Opacity Fields (GOF). Unlike projection-based rasterization, Spherical-GOF performs GOF ray sampling directly on the unit sphere in spherical ray space, enabling consistent ray-Gaussian interactions for panoramic rendering. To make the spherical ray casting efficient and robust, we derive a conservative spherical bounding rule for fast ray-Gaussian culling and introduce a spherical filtering scheme that adapts Gaussian footprints to distortion-varying panoramic pixel sampling. Extensive experiments on standard panoramic benchmarks (OmniBlender and OmniPhotos) demonstrate competitive photometric quality and substantially improved geometric consistency. Compared with the strongest baseline, Spherical-GOF reduces depth reprojection error by 57% and improves cycle inlier ratio by 21%. Qualitative results show cleaner depth and more coherent normal maps, with strong robustness to global panorama rotations. We further validate generalization on OmniRob, a real-world robotic omnidirectional dataset introduced in this work, featuring UAV and quadruped platforms. The source code and the OmniRob dataset will be released at https://github.com/1170632760/Spherical-GOF.

연구 동기 및 목표

• 프로젝션으로 인한 왜곡 없이 전방향(ERP) 파노라마로부터 정확한 3D 재구성을 촉진한다.
• 가우시안 불투명도 필드(GOF)를 파노라마 렌더링을 위한 구면 광선 공간으로 확장한다.
• 효율적이고 투영 일관된 광선-가우시안 상호작용을 강력한 컬링과 왜곡 인지 필터링으로 제공한다.
• 깊이/법선 일관성을 개선하고 학습을 안정시키기 위한 기하학 중심의 정규화 항을 도입한다.
• 공개 파노라마 벤치마크와 실제 전방향 로봇 데이터에 대한 일반화 가능성을 시연한다.

제안 방법

• 단위 구에서 직접 GOF를 샘플링하여 구면 광선 공간에서 렌더링하고, 투영 기반 왜곡을 피한다.
• 빠른 광선-가우시안 컬링을 가능하게 하는 보수적인 구면 바운딩 규칙을 도출한다.
• 파노라마 픽셀 전역의 왜곡에 맞게 가우시안 footprint를 적응시키기 위해 구면 필터링 스킴을 적용한다.
• 패노라마 인식 등방성 필터 반경으로 가우시안 스케일을 확장하여 서브픽셀 footprint를 방지하고 밀도 일관성을 유지한다(불투명도 보정 포함).
• ERP 왜곡하에서 기하를 안정시키기 위해 파노라마 인식 기하 정규화 항(깊이-법선 일관성 및 깊이 점프 항)을 포함하도록 광학 손실을 보강한다.

실험 결과

연구 질문

• RQ1 평면 프로젝션 근사에 의존하지 않고 GOF를 구면 전방향 파노라마에 어떻게 적응시킬 수 있는가?
• RQ2 구면 광선 공간 GOF가 ERP 파노라마에서 프로젝션 기반 3DGS 방법보다 다중 시점 기하학적 일관성과 깊이 정확도를 향상시키는가?
• RQ3 파노라마 인식 정규화 항이 고주파 기하 왜곡을 완화하면서 광학 렌더링 품질을 보존할 수 있는가?
• RQ4 전역 파노라마 회전에 대해 견고하고(annular/가짜-annular 구성 포함) 다양한 전방향 카메라 구성에 전이 가능한가?
• RQ5 공개 벤치마크를 넘어 실제 로봇 전방향 데이터에 대해 방법의 일반화 성능은 얼마나 좋은가?

주요 결과

• Spherical-GOF는 OmniBlender, OmniPhotos, OmniRob 데이터셋에서 가장 강력한 기준선에 비해 깊이 재투영 오류(DRE)가 낮고 사이클 인라이어 비(CIR)가 더 높습니다.
• 본 방법은 특정 OmniBlender 설정에서 최대 62.7%까지 DRE를 감소시키고 시험된 장면에서 SPaGS에 비해 CIR를 약 22% 증가시킵니다.
• 정성적으로 깊이 맵은 더 매끄럽고 불연속이 더 명확하며 평면 영역에서 법선이 더 안정되고 텍스처로 인한 왜곡이 줄어듭니다.
• 본 방법은 큰 글로벌 파노라마 회전하에서도 회전 강건성을 보여 안정성을 유지하며 프로젝션 기반 방법의 성능 저하를 피합니다.
• OmniRob 평가에서 본 방법이 UAV, 링형(annular), 가짜 링형(pseudo-annular) 등 다양한 전방향 카메라 구성에 적응하고 기하학적 일관성이 우수하며 깊이 아티팩트가 감소함을 나타냅니다.