详细解读
FSGS 研究极少视角输入下的 3DGS。标准 3DGS 依赖足够多视角和可靠相机位姿；当只有少量图像时，模型很容易把训练视角拟合得很好，却在新视角暴露浮点、错误深度和几何坍塌。
论文的核心是给高斯优化加入更强的先验和正则，让表示不要用任意透明度、尺度或颜色去解释稀疏观测。少样本场景里，每个可见像素承担了更多约束，因此几何一致性比普通密集采集更重要。
读这篇论文时，重点看它如何控制过拟合：哪些项约束深度或法线，哪些项限制高斯增长，哪些设计让未观测区域不至于产生明显伪影。它不是简单减少图片数量，而是在重新分配不确定性。
它对手机快速扫描、稀疏采集和数据昂贵的场景有价值。局限是少视角本身信息不足，隐藏面和复杂反射仍然只能依赖先验猜测，不可能像充分多视角重建那样可靠。