三维重建

【三维分割】Gaga：通过3D感知的 Memory Bank 分组任意高斯地址：https://www.gaga.gallery 标题：Gaga: Group Any Gaussians via 3D-aware Memory Bank 来源：加利福尼亚大学；Nvidia；Google

CVPR 2024 3D方向总汇包含（3DGS、三维重建、深度补全、深度估计、全景定位、表面重建和特征匹配等）

（PVG）Periodic Vibration Gaussian:自动驾驶过程中的三维重建论文解读Periodic Vibration Gaussian: Dynamic Urban Scene Reconstruction and Real-time Rendering

自动驾驶&&三维重建大概八成估计是未来的科研方向了 Neural Radiance Field in Autonomous Driving: A Survey

【3DGS文献阅读】Splatter Image: Ultra-Fast Single-View 3D Reconstruction标题：Splatter Image: Ultra-Fast Single-View 3D Reconstruction 溅射图像：超快速单视图三维重建作者：Stanislaw Szymanowicz, Christian Rupprecht, Andrea Vedaldi 机构：Visual Geometry Group - University of Oxford 原文链接：https://arxiv.org/abs/2312.13150 官方网站：https://szymanowiczs.githu

【三维重建】去除瞬态物体Distractor汇总3D高斯溅射（3DGS）由于其高质量的渲染、效率和低内存成本，最近在新型视图合成领域得到了广泛的应用。它的应用跨越了虚拟现实、增强现实和机器人技术等。但该方法假设输入图像是静态没有噪声的，往往难以满足。例如，用手机随意拍摄的图像通常包含混乱的动态物体，或瞬态物体。因此，由于总是存在许多瞬态遮挡，因此很难对场景进行建模。从技术上讲，3DGS能够有效地建模静态场景，因为图像中的静态对象满足不同视点之间的几何一致性约束。然而，瞬态对象并不遵循这个假设。如果在训练中包含瞬态对象的图像被简单地使用于3DGS，这种变

【论文阅读】从单张图像到高质量3D模型的快速生成方法现有的单视角图像生成3D方法存在计算成本高、生成质量不足且缺乏多视角一致性等问题。本文介绍的方法提出了一种新框架，结合多视角2D深度图和RGB图像，通过Stable Diffusion模型生成显式表面几何和纹理。论文强调了深度图在捕捉几何信息方面的优势，并通过高效的3D高斯投影（Gaussian Splatting）和表面重建实现高质量的3D表示。

三维测量与建模笔记 - 6.2 结构光三维成像简介双目视觉系统中，找到左右图像中的同名点是很困难的。即便是经过了极线校正，也存在很多问题比如高光等造成无匹配。对于结构光方案来说，找到同名点的过程会相对简单些。

三维测量与建模笔记 - 6.1 双目立体视觉系统上图是几种双目视觉系统的例子，一般而言，双目视觉系统中的两颗摄像头的主光轴会尽量平行。上图中下方的三幅图分别表示左摄像机和右摄像机看到的画面，以及经过计算后得到的深度图。

【3D AIGC】Img-to-3D、Text-to-3D、稀疏重建（2024年文章汇总）项目：https://kovenyu.com/wonderworld/(未开源) 论文：https://arxiv.org/pdf/2406.09394 《wonderworld Interactive 3D Scene Generation from a Single Image》

三维测量与建模笔记 - 5.3 光束法平差（Bundle Adjustment）此篇笔记尚未理解，先做笔记。如上图，在不同位姿下对同一个物体采集到了一系列图像，例子中有四张图片。物体上某点M，在四幅图像上都能找到其观测点。

GAGAvatar: Generalizable and Animatable Gaussian Head Avatar 学习笔记GAGAvatar（Generalizable and Animatable Gaussian Avatar），一种面向单张图片驱动的可动画化头部头像重建的方法，解决了现有方法在渲染效率和泛化能力上的局限。旋转参数

Epipolar-Free 3D Gaussian Splatting for Generalizable Novel View Synthesis 论文解读目录一、概述二、相关工作1、单场景3DGS2、跨场景生成3DGS3、几何方法解决3D任务三、eFreeSplat

【三维重建】Semantic Gaussians:开放词汇的3DGS场景理解开放词汇的三维场景理解是计算机视觉中的一个重大挑战，在具体化代理和增强现实系统中有着广泛的应用。现有的方法采用神经渲染方法作为三维表示，联合优化颜色和语义特征，同时实现渲染和场景理解。本文介绍了一种基于三维高斯溅射的开放词汇场景理解方法语义高斯。我们的关键思想是将知识从二维预训练模型提取为三维高斯模型。与现有的方法不同，我们设计了一种通用的投影方法，将预先训练好的图像编码器映射到一个新的三维高斯的语义component ，这是基于空间关系，不需要额外的训练。我们进一步建立了一个三维语义网络，直接从原

3DGS与NeRF的区别nerf：https://arxiv.org/abs/2003.08934 3dgs：https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/3d_gaussian_splatting_low.pdf

LVSM: A LARGE VIEW SYNTHESIS MODEL WITH MINIMAL 3D INDUCTIVE BIAS 论文解读目录一、概述二、相关工作1、新视角合成2、优化3D表示3、可泛化的前馈方法三、LVSM1、总体结构2、encoder-decoder

三维测量与建模笔记 - 3.3 张正友标定法上图中，提到了世界坐标系在张正友标定法中的设计，可以理解为将世界坐标系的原点放到了棋盘格左上角点的位置，并且棋盘格平面上所有点的Z为0，将Z规定为0的话，可以简化掉一个维度（列向量r3）。去掉列向量r3的影响后，实际可以得到如下红框关系：

OpenDroneMap & WebodmOpenDroneMap Webodm 开源无人机航拍系列图像及其它系列图像三维重建软件。很棒的开源无人机测绘软件OpenDroneMap,从航拍图像生成精确的地图、高程模型、3D 模型和点云。

三维测量与建模笔记 - 3.1 相机标定基本概念成像领域有多个标定概念笔记所说的相机标定主要是指几何标定。相机几何模型基于小孔成像原理，相关文章很多，上图中R t矩阵是外参矩阵（和相机在世界空间中的位姿相关），K矩阵是内参矩阵（和相机本身参数相关，比如焦距，像素大小，镜头畸变等）。

NeRF三维重建—神经辐射场Neural Radiance Field（二）体渲染相关粒子采集的部分我们可以理解为，在已知粒子的情况下，对图片进行渲染的一个正向的过程。内参+外参来进行的相反我们的任务是给定一张图片，我们需要的是在许多张图片中推导出相机为位姿信息。