![# 系列文章目录
例如:第一章 Python 机器学习入门之pandas的使用](https://i-blog.csdnimg.cn/direct/6304d4a714f045b488949062fdc7b3b2.png)
提示:关注B站【方矩实验室】,查看视频讲解
文章目录
- 1.摘要
- 2.Introduction
- 3.主要方法
-
- [3.1 MVS( DUSt 3R )](#3.1 MVS( DUSt 3R ))
- [3.2 GS的初始化](#3.2 GS的初始化)
- [3.3 联合优化](#3.3 联合优化)
- 4.实验
- 5.总结
1.摘要
InstantSplat将多视图立体(MVS)预测与基于点的表示相结合,在几秒钟内从稀疏视图数据构建大规模场景的3D高斯模型,解决了SfM的性能和效率问题。
具体来说,InstantSplat在所有训练视图中生成密集填充的表面点,并使用像素对齐来确定初始相机参数 。并且采用了一个基于网格与置信度感知的最远点采样方法并行,以提升计算效率。最后通过自监督联合优化相机位姿以及GS参数。
通过使用这个简化的框架,InstantSplat实现了训练时间的大幅减少,从几个小时到几秒钟-并在不同数据集中的各种视图数量上表现出强大的性能。
2.Introduction
3.主要方法
整体上,通过DUSt 3R 得到稠密点云,然后利用其置信度做稠密点云的下采样 作为3DGS的初始点云,然后联合优化相机位姿与高斯参数
3.1 MVS( DUSt 3R )