三维重建

【物理重建】PPISP :辐射场重建中光度变化的物理合理补偿与控制标题：《PPISP: Physically-Plausible Compensation and Control of Photometric Variations in Radiance Field Reconstruction》项目：https://hyokong.github.io/worldwarp-page/ 来源：NVIDIA

【视频生成】SRENDER：基于＜稀疏扩散＞与＜3D渲染＞的像机轨迹视频生成标题：《Efficient Camera-Controlled Video Generation of Static Scenes via Sparse Diffusion and 3D Rendering》项目：https://ayushtewari.com/projects/srender/ 来源：英国剑桥大学

【三维生成】ShapeR：单目视频的条件三维形状生成标题：《ShapeR: Robust Conditional 3D Shape Generation from Casual Captures》项目：facebookresearch.github.io/ShapeR 来源：Meta Reality Labs Research；Simon Fraser University

昵称是6硬币

SAM3D论文精读（逐段解析）论文地址：https://arxiv.org/abs/2511.166242025Meta 超级智能实验室

【视频生成】HY-World 1.5：实时延迟和几何一致的交互式世界模型系统（腾讯混元）标题：《HY-World 1.5: A Systematic Framework for Interactive World Modeling with Real-Time Latency and Geometric Consistency》项目：https://3d.hunyuan.tencent.com/sceneTo3D 来源：腾讯

SLAM文献之-A Quick Guide for the Iterated Extended Kalman Filter on Manifolds相关内容：相关内容地址： 1、SLAM文献之A micro Lie theory for state estimation in robotic（1） 2、SLAM文献之A micro Lie theory for state estimation in robotic（2） 3、SLAM文献之A micro Lie theory for state estimation in robotic（3） 4、SLAM文献之A micro Lie theory for state estimation in

3DGS三维高斯泼溅技术原理深度解析3D Gaussian Splatting（3DGS，三维高斯泼溅）是2023年由Inria、Max Planck Institute和TU Darmstadt联合提出的一种革命性的3D场景表示方法。它使用显式的3D高斯点云来表示场景，通过可微光栅化实现高效训练和实时渲染。

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。

3D Gaussian Splatting：实时辐射场渲染的突破性方案在神经辐射场（NeRF）技术 revolutionize novel-view synthesis（新视角合成）领域后，如何在保证渲染质量的同时实现实时交互，是学术界和工业界共同的核心诉求之一。传统 NeRF 方法虽能生成高质量渲染结果，但训练和渲染耗时极高；而后续的快速方法（如 InstantNGP、Plenoxels）又往往在质量上做出妥协。2023 年发表于 ACM Trans. Graph. 的论文《3D Gaussian Splatting for Real-Time Radiance Fiel

这张生成的图像能检测吗

Wonder3D: 跨域扩散的单图像3D重建技术论文题目：Wonder3D: Single Image to 3D using Cross-Domain Diffusion（Wonder3D:单图像到3D使用跨域扩散）

碧海潮生_CC

【三维重建笔记】02 OpenMVS 流程主要 API 整理在前一节中初步尝试使用 colmap + MVS 流程重建了人物的三维模型，但是还遗留了执行时间偏长（几个小时），结果遗留噪声，部分区域显得有些粗糙等问题。

【无标题】VGGT4D：用于4D场景重建的视觉Transformer运动线索挖掘标题：《VGGT4D: Mining Motion Cues in Visual Geometry Transformers for 4D Scene Reconstruction》项目：https://3dagentworld.github. io/vggt4d/ 来源：香港科技大学（广州）2Horizon Robotics

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。

动态场景三维重建技术_概述最新进展与产业化应用综述，2024-2025年技术路线、开源生态、工程部署与产业应用全景分析12个核心模块，支持.ply/.splat格式，RTX 4090可达120fps

明月醉窗台

多相机同步技术详解想象一下，如果你想用多个相机从不同角度拍摄一个高速运动的物体（比如网球发球、机器人动作、汽车碰撞测试），如果它们各自为政，快门按下时间有毫秒级的差异，那么：

【工具】【算法】三维重建工具colmap服务器(ubuntu)编译cuda版本colmap常用于多视图重建，即利用多个相机多个视图或单个相机多个视图重建3D信息，获取相机内外参，其构建的点云是3DGS\4DGS 多视角渲染的初始化条件。但官方仅提供windows系统的cuda版本，如果linux/ubuntu要安装cuda版本用于加速重建，或密集重建，需要自己编译。由于自己在此踩了比较多的坑，因此记录一下。

【算法】三维重建colmap工具的输出格式colmap是广泛使用的多视图重建工具，可以利用多个视角的图像估计相机内外惨同时重建三维点云，他的输出格式需要一些了解以便后续任务的使用。本文理解自官方文档，作为个人记录使用，同时希望可以帮助到其他人。

【动态高斯重建】论文集合：从4DGT到OMG4、4DSioMo标题：4DGT: Learning a 4D Gaussian Transformer Using Real-World Monocular Videos 来源：Meta 现实实验室；浙江大学项目主页：https://4dgt.github.io

【视频生成】GVS：生成式视图拼接标题：GENERATIVE VIEW STITCHING 来源：MIT CSAIL ；RunwayML 项目：https://andrewsonga.github.io/gvs

影像云胶片：Dicom纯js的三维重建影像阅片器影像云胶片主要：通过浏览器浏览Dicom影像阅片，通过多终端设备（如电脑、平板、手机），为医生、患者及其他授权人员提供随时随地的影像调阅功能，打破时间和空间限制。同时，支持影像数据在不同医疗机构之间的安全共享，促进医疗协作与远程会诊的开展。主要功能：