nerf

旋转的油纸伞

【ACM_2023】3D Gaussian Splatting for Real-Time Radiance Field RenderingBernhard Kerbl, Georgios Kopanas, Thomas Leimkühler, George Drettakis

GNeRF论文理解本文主要想要解决的问题是如何使用uncalibrated的照片来进行Nerf重建。虽然说现在已经有了一些方式可以对相机位姿进行估计和优化，但是他们限制很多，且必须要有一个合理的初始化区间。在优化未知位姿的时候，对正面的场景也只能在short camera trajectories的优化。本文提出的方式，首先是不需要一个大致的相机位姿的初始化，只需要有一个大致的相机位姿分布，且可以在较大的轨迹内进行优化。

NGM-SLAM：首创融合神经辐射场子图的3DGS-SLAM，问鼎SOTA！论文标题：NGM-SLAM: Gaussian Splatting SLAM with Radiance Field Submap

政安晨：【Keras机器学习示例演绎】（七）—— 利用 NeRF 进行 3D 体积渲染目录简介设置下载并加载数据NeRF 模型训练可视化训练步骤推理渲染三维场景可视化视频结论政安晨的个人主页：政安晨

小白有颗大白梦

【读论文】【泛读】三篇生成式自动驾驶场景生成: Bevstreet, DisCoScene, BerfSceneFrom the title of this paper, we know it bound a relation from Bev(Bird’s-Eye View) to Street view image.

【动态三维重建】Deformable 3D Gaussians 可变形3D GS用于单目动态场景重建（CVPR 2024）主页：https://ingra14m.github.io/Deformable-Gaussians/ 代码：https://github.com/ingra14m/Deformable-3D-Gaussians 论文：https://arxiv.org/abs/2309.13101

小白有颗大白梦

【读论文】【精读】3D Gaussian Splatting for Real-Time Radiance Field RenderingWhat kind of thing is this article going to do (from the abstract and conclusion, try to summarize it in one sentence)

NERF论文笔记(1/2)实现了一个任意视角视图生成算法：输入稀疏的场景图像，通过优化连续的Volumetric场景函数实现；用全连接深度网络表达场景，输入是一个连续的5维坐标，3D坐标+2D角度（航向、俯仰角），输出Volume density和依赖于视图的emitted radiance，查询5维坐标并用经典的Volume Rendering把输出的颜色与强度投影到图像。

【三维重建】【SLAM】SplaTAM：基于3D高斯的密集RGB-D SLAM题目：SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM 地址：spla-tam.github.io 机构：CMU（卡内基梅隆大学）、MIT（美国麻省理工）

学习笔记之——3D Gaussian SLAM，SplaTAM配置（Linux）与源码解读SplaTAM全称是《SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM》，是第一个（也是目前唯一一个）开源的用3D Gaussian Splatting（3DGS）来做SLAM的工作。

固定拍摄点位下的NeRF技术应用（算法探讨）NeRF（神经辐射场）技术可以用于物体定位。NeRF 是一种深度学习方法，它通过对场景的大量照片进行训练来创建三维场景的高度逼真的渲染。这项技术能够从多个角度捕捉场景的细节，并通过神经网络理解场景的三维结构。

3DGS 其一：3D Gaussian Splatting for Real-Time Radiance Field Rendering相关文章：系列文章：3D Gaussian Splatting 是表达三维场景的一种方式，不同于 NeRF 用一个点来表达，它是用一堆的 3D 高斯来表达。

实验笔记之——基于TUM-RGBD数据集的SplaTAM测试之前博客对SplaTAM进行了配置，并对其源码进行解读。学习笔记之——3D Gaussian SLAM，SplaTAM配置（Linux）与源码解读-CSDN博客SplaTAM全称是《SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM》，是第一个（也是目前唯一一个）开源的用3D Gaussian Splatting（3DGS）来做SLAM的工作。在下面博客中，已经对3DGS进行了调研与学习。其中也包含了SplaTAM算法的基本介绍。学习

学习笔记之——3D Gaussian Splatting及其在SLAM与自动驾驶上的应用调研之前博客介绍了NeRF-SLAM，其中对于3D Gaussian Splatting没有太深入介绍。本博文对3D Gaussian Splatting相关的一些工作做调研。

【AI视野·今日CV 计算机视觉论文速览第280期】Mon, 1 Jan 2024AI视野·今日CS.CV 计算机视觉论文速览 Mon, 1 Jan 2024 Totally 46 papers 👉上期速览✈更多精彩请移步主页

【论文阅读笔记】Stable View Synthesis 和 Enhanced Stable View Synthesis从Mip-NeRF360的对比实验中找到的两篇文献，使用了卷积神经网络进行渲染和新视角合成，特此记录一下

【AI视野·今日CV 计算机视觉论文速览第282期】Wed, 3 Jan 2024AI视野·今日CS.CV 计算机视觉论文速览 Wed, 3 Jan 2024 Totally 70 papers 👉上期速览✈更多精彩请移步主页

3D Gaussian Splatting复现最近3D Gaussian Splatting很火，网上有很多复现过程，大部分都是在Windows上的。Linux上配置环境会方便简单一点，这里记录一下我在Linux上复现的过程。

【论文阅读笔记】Mip-NeRF 360: Unbounded Anti-Aliased Neural Radiance Fieldspaper：https://arxiv.org/abs/2111.12077 code：https://github.com/google-research/multinerf project：https://jonbarron.info/mipnerf360/

TechBeat人工智能社区

3DV 2024 Oral | SlimmeRF：可动态压缩辐射场，实现模型大小和建模精度的灵活权衡目前大多数NeRF模型要么通过使用大型模型来实现高精度，要么通过牺牲精度来节省内存资源。这使得任何单一模型的适用范围受到局限，因为高精度模型可能无法适应低内存设备，而内存高效模型可能无法满足高质量要求。为此，本文研究者提出了SlimmeRF，一种在测试阶段随时（即不需要对模型进行重新训练）通过动态压缩实现模型大小与精度之间权衡的模型，从而使模型同时适用于不同计算预算的场景。实验结果显示，SlimmeRF在不进行动态压缩时能够达到 SOTA 级别的精度，同时动态压缩时的效果明显好于基于 TensoRF 的基