【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
掘金一周8 分钟前
金石焕新程 >> 瓜分万元现金大奖征文活动即将回归 | 掘金一周 4.3
前端·人工智能·后端
白雪讲堂24 分钟前
AI搜索品牌曝光资料包(精准适配文心一言/Kimi/DeepSeek等场景)
大数据·人工智能·搜索引擎·ai·文心一言·deepseek
斯汤雷30 分钟前
Matlab绘图案例,设置图片大小,坐标轴比例为黄金比
数据库·人工智能·算法·matlab·信息可视化
ejinxian37 分钟前
Spring AI Alibaba 快速开发生成式 Java AI 应用
java·人工智能·spring
程序员Linc40 分钟前
边缘检测技术现状初探2:多尺度与形态学方法
计算机视觉·边缘检测·形态学
葡萄成熟时_41 分钟前
【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程(持续更新)
人工智能·数据挖掘
机器之心1 小时前
一篇论文,看见百度广告推荐系统在大模型时代的革新
人工智能
机器之心1 小时前
视觉SSL终于追上了CLIP!Yann LeCun、谢赛宁等新作,逆转VQA任务固有认知
人工智能