nerf

【三维重建】近期进展（完善中）提示：以下是本篇文章正文内容，下面案例可供参考来源：1清华大学人工智能产业研究院2安阳理工大学 3清华大学4北京理工大学项目：https://sainingzhang.github.io/project/uc-gs/

NeRF: Representing Scenes asNeural Radiance Fields for View Synthesis 论文解读目录一、导言二、NeRF1、渲染和反渲染2、NeRF的基本原理3、采样点4、位置编码5、NeRF网络结构

2D Inpainting 与NeRF 3D重建的多视角一致性问题NeRF依赖于输入图像的一致性。NeRF（Neural Radiance Fields）在生成三维场景时，依赖于从多个视角拍摄的输入图像之间的一致性来准确地推断场景的三维结构和颜色信息。

【三维重建】Pixel-GS:三维高斯泼溅的像素感知的梯度密度控制（去除浮点，提升精度）项目：https://pixelgs.github.io/ 标题：Pixel-GS: Density Control with Pixel-aware Gradient for 3D Gaussian Splatting 来源：香港大学；腾讯AI Lab

【三维AIGC】扩散模型LDM辅助3D Gaussian重建三维场景标题：《Sampling 3D Gaussian Scenes in Seconds with Latent Diffusion Models》来源：Glasgow大学；爱丁堡大学连接：https://arxiv.org/abs/2406.13099

辐射神经场算法——Instant-NGP / Mipi-NeRF 360 / 3D Gaussian Splatting辐射神经场算法——NeRF算法详解辐射神经场算法——Wild-NeRF / Mipi-NeRF / BARF / NSVF / Semantic-NeRF / DSNeRF 上面两篇博客是之前对NeRF相关算法的一些简单总结，离上一次工作中接触到NeRF相关的算法已经过去一年多的时间，最近大火的3D Gaussian Splatting让我忍不住想又跟进下这个方向的工作，我另外挑了两个比较有代表性的工作，一个是速度上SOAT的方法Instant-NGP，一个是效果上SOTA的方法Mipi NeRF 36

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。