3dgs

智影R200手持SLAM使用教程八：3DGS数据采集规范采集前用干净的软布擦拭镜头，确保镜头无污渍、视野清晰。①室内环境，尽量保证光照充足且均匀，避免明暗反差过大；

扩散模型修复3DGS：评价新指标EIG分析这篇论文题为“FaithFusion: Harmonizing Reconstruction and Generation via Pixel-wise Information Gain”，由百度和南京大学的研究人员提出。该论文聚焦于可控驾驶场景重建与3D场景生成领域，旨在解决在保持几何保真度的同时，在大视角偏移下合成视觉真实外观的关键挑战。

【4DGS】4C4D：4个摄像头4DGS成像标题：4C4D: 4 Camera 4D Gaussian Splatting 来源：清华大学软件学院；快手科技链接：https://junshengzhou.github.io/4C4D

康谋自动驾驶

3DGS 与 OpenMATERIAL：场景表示与材质标准的分层协同摘要：有了可携带LiDAR强度的3DGS，为何仍需OpenMATERIAL标准化材质体系？本文明确两者层级差异与核心定位，拆解OpenMATERIAL标准与aiSimArcher实践，梳理融合路径，厘清3DGS能力边界与仿真技术发展方向。

结合代码读3DGS论文（12）——NeurIPS 2024 Spotlight 3DGS经典Backbone工作3DGS-MCMC论文及代码解读写在前面：如果想了解更多关于3DGS的加速压缩新工作，可以关注笔者的Github仓库：Awesome-3DGS-Compress-Accelerate。

【世界模型】Captain Safari：位姿对齐3D记忆的世界引擎（CVPR 2026）标题：Captain Safari: A World Engine with Pose-Aligned 3D Memory 来源：约翰霍普金斯大学；清华大学；加州大学圣克鲁兹分校链接：https://johnson111788.github.io/open-safari/

前馈式3D Gaussian Splatting 研究地图（路线三）：大重建模型如何进入 3DGS——GRM、GS-LRM 与 Long-LRM 的方法转向系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

前馈式3D Gaussian Splatting 研究地图（路线二）：几何优先的前馈式 3DGS——前馈式 3DGS 如何重新拥抱多视图几何系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

前馈式3D Gaussian Splatting 研究地图（总览篇）：解构七大路线，梳理方法谱系，看懂关键分歧与未来趋势系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

前馈式3D Gaussian Splatting 研究地图（路线一）：像素对齐高斯的起点——pixelSplat 与 latentSplat 在解决什么系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

康谋自动驾驶

视觉重建到物理仿真，3DGS如何走向工程应用？目录一、引言二、从重建到表达三、3DGS物理交互与光学仿真关键技术1、3DGS物理交互2、3DGS反射建模

结合代码读3DGS论文（10）——ICLR 2025 3DGS加速&压缩新工作Sort-Free 3DGS论文及代码解读写在前面：如果想了解更多关于3DGS的加速压缩新工作，可以关注笔者的Github仓库：Awesome-3DGS-Compress-Accelerate。

行业调研——XGRIDS （其域创新）：空间数据生产、资产化与工业工作流的真正价值系列文章（1-3） 1、行业调研——GTC上亮相的中国企业 XGRIDS （其域创新）：空间数据生产、资产化与工业工作流的真正价值 2、行业调研——为什么未来 10 年绕不过 NVIDIA：从 Omniverse、OpenUSD 到 Physical AI Data Factory 3、

程序员爱德华

三维重建：3DGS3DGS 通常指 3D Gaussian Splatting（三维高斯 Splatting/泼溅渲染）——一种用大量可学习的三维高斯椭球来表示场景，并通过“splatting（把 3D 高斯投影成屏幕上的 2D 椭圆斑点再做混合）”实现高质量新视角合成/辐射场渲染的方法。

康谋自动驾驶

2026年，3DGS和世界模型，在自动驾驶仿真中的组合应用2026年，自动驾驶仿真赛道将持续升温。回顾2025年，两大仿真新技术快速走进公众视野，分别是世界模型（World Model）与3DGS（3D Gaussian Splatting，3D高斯泼溅）。

3DGS加速&压缩指标评测方法、高斯数量变化曲线绘制——Training Time、FPS、Gaussian Number、Peak Memory这部分涉及到的加速&压缩指标主要包括：训练时间指标最直观的统计方法是使用3DGS代码中tqdm进度条来显示训练时间，但该方法统计的时间不够精确。因此这里提供一种更精确的3DGS训练时间指标评测方法，直观统计训练秒数。

3DGS三维高斯泼溅Windows使用指南3DGS（3D Gaussian Splatting，三维高斯泼溅）是一种新兴的3D场景表示方法，能够从多视角照片快速重建高质量3D场景，并支持实时渲染和新视角合成。相比传统NeRF，3DGS具有速度更快、可编辑性更强的优势。

基于GS(Gaussian Splatting)的机器人Sim2Real2Sim仿真平台有哪些目前基于 GS（Gaussian Splatting，高斯点渲染/重建）技术的机器人 Sim2Real2Sim（或 Real-Sim-Real / Real2Sim2Real）仿真平台正在成为一个新的研究热点，主要利用高保真重建和渲染来缩小仿真与现实之间的视觉与感知差距，从而提高策略迁移效果。以下是已公开的主要平台/框架：

具身智能之心

让机器人“舞得更好”的全身运控的方案还有哪些进化空间？继续具身智能之心上次的圆桌，我们为大家整理了机器人全身运控的一些insigts。这次主要探索RL+VLA、realsim2real、3DGS和仿真的一些问题，近万字分享。

高斯泼溅（3DGS）模型与Mesh模型各有什么优缺点？有没有一种建模技术可以兼容二者的优势？近两年3DGS技术兴起，大势智慧去年便率先推出倾斜高斯泼溅（3D OPGS）建模方法。经一年实践，我们发现高斯模型虽可视化效果很好，但相较于传统Mesh模型，高斯模型存在与三维GIS平台兼容性不足、几何量测精度不确定、工具链缺乏等系列问题，并且3DGS本身的数据表达也不利于空间分析和计算，限制了其广泛应用。为解决上述痛点，大势智慧在此次推出重建大师8.0中带来全新的融合三维建模技术，让大家既能用到高斯精细表达能力，又能兼顾Mesh模型的实用性。