117篇 | 3D Gaussian Splatting论文

本论文集划分为4个部分:综述&基础(14篇)、NeRF在AIGC(54篇)、NeRF在SLAM(自动驾驶)(25篇)、NeRF之场景建模(25篇)

https://t.zsxq.com/3ATyEhttps://t.zsxq.com/3ATyE

3D Gaussian Splatting(3DGS)是一种用于实时辐射场渲染的光栅化技术,它通过对3D高斯分布的描述,实现了实时渲染从小图像样本中学习到的逼真场景。该技术的核心是光栅化,即将3D高斯分布以像素的形式展现在2D平面上。以下是关于3DGS的详细介绍:

3D GS的实现原理分为以下几个步骤:

  1. 运动结构恢复(SfM):通过一组图像估计点云,这是从2D图像估计3D点云的一种方法,可以通过COLMAP库实现。

  2. 转换为高斯分布:将每个点转换为高斯分布,这对于光栅化已经足够。然而,仅从SfM数据中只能推断出位置和颜色,为了学习产生高质量结果的表示,需要对其进行训练。

  3. 模型训练:训练过程使用随机梯度下降,类似于神经网络,但没有层。训练步骤包括:根据光栅化图像和地面真实图像之间的差异计算损失。

  4. 可微分高斯光栅化:光栅化器是可微分的,因此可以用随机梯度下降进行训练。然而,这仅与训练相关 - 训练有素的高斯也可以用不可微的方法呈现。

3DGS受到广泛关注的原因主要有以下几点:

  1. 高质量的实时场景渲染:通过3DGS技术,可以实现实时渲染从小图像样本中学习到的逼真场景。

  2. 技术未知领域的探索:关于Gaussian Splatting还能做什么还有很多未知数,例如是否可以模拟反射等。

  3. 对嵌入式人工智能研究的兴趣:人们越来越关注如何将人工智能技术应用于3D空间表示等领域。

相关推荐
研梦非凡4 小时前
CVPR 2025|基于粗略边界框监督的3D实例分割
人工智能·计算机网络·计算机视觉·3d
墨风如雪5 小时前
腾讯混元MT-7B:打破参数迷思,重塑机器翻译版图
aigc
森之鸟5 小时前
寻找AI——初识3D建模AI
ai·aigc
和鲸社区5 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
fanstuck5 小时前
2025 年高教社杯全国大学生数学建模竞赛C 题 NIPT 的时点选择与胎儿的异常判定详解(一)
人工智能·目标检测·数学建模·数据挖掘·aigc
荒野饮冰室8 小时前
分类、目标检测、实例分割的评估指标
目标检测·计算机视觉·分类·实例分割
中國龍在廣州8 小时前
GPT-5冷酷操盘,游戏狼人杀一战封神!七大LLM狂飙演技,人类玩家看完沉默
人工智能·gpt·深度学习·机器学习·计算机视觉·机器人
Coovally AI模型快速验证11 小时前
无人机小目标检测新SOTA:MASF-YOLO重磅开源,多模块协同助力精度飞跃
人工智能·yolo·目标检测·机器学习·计算机视觉·无人机
爆改模型11 小时前
【Trans2025】计算机视觉|即插即用|AFANet:炸裂!图像分割新SOTA,轻松碾压传统方法!
人工智能·计算机视觉
飞翔的佩奇12 小时前
【完整源码+数据集+部署教程】骰子点数识别图像实例分割系统源码和数据集:改进yolo11-DCNV2
python·yolo·计算机视觉·数据集·yolo11·骰子点数识别图像实例分割