作者：Junjie Wang
来源：CVPR
时间：2024

一、研究目标

本文提出了一种基于3D高斯分布的场景编辑框架——GaussianEditor，旨在通过文本指令实现对3D场景的精细编辑。该方法利用了3D高斯分布在渲染过程中的自然特性，能够精确控制编辑区域和进行多轮编辑，显著提高了编辑的精度和效率。与现有的基于神经辐射场（NeRF）的方法相比，GaussianEditor不仅实现了更精细的编辑效果，而且训练速度更快。其工作流程包括从文本指令中提取感兴趣区域（RoI）、将RoI与3D高斯分布对齐以及在对齐后的高斯分布上执行编辑操作。此外，文中还介绍了如何通过增加用户交互来进一步提高编辑的准确性，并展示了GaussianEditor在不同场景下的实验结果，证明了其在复杂场景中也能实现高质量的编辑。最后，通过与Instruct-NeRF2NeRF方法的比较，验证了GaussianEditor在保持图像质量的同时具备更好的编辑能力。总体而言，GaussianEditor为3D场景编辑提供了一个新的高效、精准的解决方案。

二、研究思路及框架

由于 3D-GS 显示表达的优势，可以通过调整 Gaussians 参数来实现对三维场景的编辑。

1. 候选编辑区域的文本描述提取

2. 候选编辑区域的场景对齐

3. 候选编辑区域的场景编辑

三、研究结论及分析

本篇的 GaussianEditor 对 GS 场景的编辑主要适用于风格迁移，对于增加或删除元素的编辑任务，效果相当有限

四、总结与思考

课题价值：

文中介绍了如何通过增加用户交互来进一步提高编辑的准确性，并展示了GaussianEditor在不同场景下的实验结果，证明了其在复杂场景中也能实现高质量的编辑。

启发：

能够将3D编辑的思想转换为我们所需要的多视角的编辑，从而指导多视角下的精细编辑。