3dgs

ubuntu24.04运行3dgs记录系统是新装的ubuntu24.04.03，安装时间是2025年12月20日左右，因此显卡驱动也安装的最新的

暴风鱼划水

三维重建【6-A】DUSt3R：论文摘要前言、与3DGS结合在本地数据集上训练Multi-view stereo reconstruction (MVS) in the wild requires to first estimate the camera parameters e.g. intrinsic and extrinsic parameters. These are usually tedious and cumbersome to obtain, yet they are mandatory to triangulate corresponding pixels in

暴风鱼划水

三维重建【5】3D Gaussian Splatting：3R-GS论文解读3D Gaussian Splatting (3DGS) has revolutionized neural rendering with its efficiency and quality, but like many novel view synthesis methods, it heavily depends on accurate camera poses from Structure-from-Motion (SfM) systems. Although recent SfM pipelin

论文Review 3DGS综述 | 南京大学 | 3DGS Survey, Technologies Challenges and Opportunities |（二）扩展、模块增强、其他技术讨论挑战题目：3D Gaussian Splatting: Survey, Technologies, Challenges, and Opportunities

论文Review 3DGS综述 | 浙江大学 | A Survey on 3D Gaussian Splatting |（二）发展、应用与结论题目：A Survey on 3D Gaussian Splatting来源：arXiv 2024学校：浙江大学

论文Review 3DGS综述 | 浙江大学 | A Survey on 3D Gaussian Splatting |（一）稀疏视角和内存压缩题目：A Survey on 3D Gaussian Splatting来源：arXiv 2024学校：浙江大学

动态场景三维重建技术最新进展与产业化应用综述动态场景三维重建技术作为计算机视觉和计算机图形学的交叉领域，正在经历前所未有的技术突破和产业化应用浪潮。该技术通过从多视角图像或视频序列中恢复三维场景的几何结构和外观信息，为自动驾驶、元宇宙、数字孪生、工业检测等领域提供了核心技术支撑。

吃吃今天努力学习了吗

【论文阅读】Gaussian Grouping: Segment and Edit Anything in 3D Scenes高斯投影（Gaussian Splatting）实现了高质量、实时的三维场景新视点合成。不过，它仅专注于外观和几何建模，缺乏对细粒度的物体级场景理解。为了解决这一问题，我们提出了 Gaussian Grouping，将高斯点扩展为联合重建和分割开放世界三维场景中的任意内容。我们为每个高斯添加了一个紧凑的身份编码（Identity Encoding），使得这些高斯点能够根据其在三维场景中的物体实例或“物体/背景”的成员关系进行分组。并不依赖昂贵的三维标签，我们在可微渲染过程中通过利用 Segment Any

暴风鱼划水

三维重建【4-A】3D Gaussian Splatting：代码解读gaussian_model.py文件中主要写高斯模型的参数是如何构建的，如协方差矩阵、球谐函数、点云数据读取后的初始化、激活函数、学习率的设计、致密化所用的方法等。首先是初始函数的设置：

康谋自动驾驶

如何闭环自动驾驶仿真场景，实现从“重建”到“可用”？在自动驾驶技术飞速发展的当下，高精度、高保真的仿真场景构建成为关键。3D Gaussian Splatting（3DGS）凭借高效渲染与逼真场景还原能力，逐渐成为三维重建与仿真领域的焦点。然而，实际应用中，如何将多源异构数据高效转化为可用的 3DGS 场景，如何保障场景与真实环境的一致性，成为了行业难题。

【三维重建】即插即用的3DGS的PDE优化：高质量渲染和重建标题：<Plug-and-Play PDE Optimization for 3D Gaussian Splatting: Toward High-Quality Rendering and Reconstruction> 来源：匿名作者

吃吃今天努力学习了吗

【论文阅读】Segment Any 3D Gaussians本文提出了一种基于3DGS的高效3D可提示分割方法SAGA。该方法以二维视觉提示作为输入，能够在4毫秒内分割出由三维高斯函数表示的相应三维目标。该方法通过为每个三维高斯函数附加一个尺度门控的亲和性特征，赋予其新的多粒度分割特性来实现。具体而言，针对尺度门控亲和性特征学习，提出了一种尺度感知的对比训练策略。该策略（1）将SAM模型从二维mask中提取的分割能力提取到亲和性特征中，（2）采用一种软尺度门控机制，通过根据指定的三维物理尺度调整每个特征通道的幅度，解决3D分割中的多粒度模糊性问题。评估表明S

旋转矩阵的推导+矩阵在3DGS中的应用矩阵本质上是一种线性变换，尤其在计算机图形学（CG）/机器人学等领域。比如将一个坐标系下的点用另一个坐标系表示，这个过程就是涉及到坐标系的转换，通过矩阵能够较方便的完成。

康谋自动驾驶

告别数月等待：数字孪生场景生成从此进入“日级”时代在自动驾驶开发中，高保真的仿真场景是算法迭代和验证的基石。然而，传统手工建模方式需要大量3D设计师投入，构建一个复杂交通环境往往耗时数月甚至半年以上；同时，城市、高速、停车场等多种运营设计域（ODD）都需要覆盖，场景的可扩展性与多样性一直是瓶颈。

【论文阅读】InnerGS: Internal Scenes Rendering via Factorized 3D Gaussian Splatting基于分解式 3D 高斯溅射的室内场景渲染原文链接：InnerGS: Internal Scenes Rendering via Factorized 3D Gaussian Splatting

Deformable 3D Gaussians：把动态场景装进“可变形的静态世界”一文读懂为什么不直接做 4D、高频怎么来、AST 时间退火到底在惩罚什么、以及一个刻意“慢热”的训练流程如何把细节捞回来。

论文Review 3DGS HAC | ECCV2024 上海交大莫纳什大学| 数10倍的3DGS模型压缩题目：HAC: Hash-grid Assisted Context for 3D Gaussian Splatting Compression

【论文精读】3D Gaussian Splatting for Real-Time Radiance Field Rendering用于实时辐射场渲染的3D高斯溅射算法 https://doi.org/10.1145/3592433图1 我们的方法实现了辐射场的实时渲染，其渲染效果与现有方法[Barron et al 2022]一样有着最佳渲染效果，所以仅仅需要优化时间来超越现有的方法[Fridovich-Keil and Yu et al 2022; Müller et al 2022]。能够实现这样的效果关键是使用了一种新颖的3D高斯场景的表示方法，这为场景优化和新视图的合成提供了加速支持。注意，在相同训练时间下，我们实现了与In

论文阅读笔记——NoPoSplatNoPoSplat 论文NoPoSplat 针对无需相机外参的稀疏视角三维重建。现有 SOTA 方法需要准确的相机外参（SfM/COLMAP——需要大量图片)，联合优化位姿估计和重建，形成误差累计。NoPoSplat 通过将首帧视角的局部坐标系作为规范空间，直接融合多视角信息，解耦位姿与重建。直接将相机内参作为 token 嵌入，使模型能够预测合理尺度。

论文阅读笔记——VGGT: Visual Geometry Grounded TransformerVGGT 论文输入是 N 个 RGB 图像 I i ∈ R 3 × H × W I_i\in\mathbb{R}^{3×H×W} Ii∈R3×H×W 的序列 ( I i ) i = 1 N (I_i)^N_{i=1} (Ii)i=1N，观察相同 3D 场景。 VGGT 的 Transformer 是一个映射函数，将此序列映射为一组对应的 3D 标注， f ( ( I i ) i = 1 N ) = ( g i , D i , P i , T i ) i = 1 N f\left((I_i)^N_{i=1