【三维重建】InstantSplat:稀疏视角的无SfM高斯泼溅 (3D Gaussian Splatting)

![# 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

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 )




3.2 GS的初始化

3.3 联合优化

4.实验

5.总结


相关推荐
蒹葭苍苍8736 分钟前
LoRA、QLoRA微调与Lama Factory
人工智能·笔记
蹦蹦跳跳真可爱5896 分钟前
Python----机器学习(基于PyTorch的线性回归)
人工智能·pytorch·python·机器学习·线性回归
xhload3d34 分钟前
智能网联汽车云控平台 | 图扑数字孪生
3d·gis·智慧城市·html5·webgl·数字孪生·可视化·工业互联网·车联网·智慧交通·智能网联·汽车云控
mosquito_lover135 分钟前
矿山边坡监测预警系统设计
人工智能·python·深度学习·神经网络·视觉检测
契合qht53_shine36 分钟前
OpenCV 从入门到精通(day_03)
人工智能·opencv·计算机视觉
Naomi5211 小时前
Trustworthy Machine Learning
人工智能·机器学习
ssshooter1 小时前
2025 最新 AI 模型深度对比:ChatGPT、Claude、Gemini到底选谁?
程序员·aigc·openai
刘 怼怼1 小时前
使用 Vue 重构 RAGFlow 实现聊天功能
前端·vue.js·人工智能·重构
程序员安仔1 小时前
每天学新 AI 工具好累?我终于发现了“一键全能且免费不限量”的国产终极解决方案
人工智能
闭月之泪舞1 小时前
OpenCv(五)——边缘检测
人工智能·计算机视觉