Apr, 2024

CityGaussian: 高质量大规模场景实时渲染

PDF
TL;DRCityGaussian employs a divide-and-conquer training approach and Level-of-Detail strategy for efficient large-scale 3D Gaussian Splatting training and rendering, achieving state-of-the-art rendering quality in real-time across various scales.
3d gaussian splattingcitygaussianlarge-scale 3dgsreal-time renderinglevel-of-detail
发现论文，激发创造
  • Octree-GS：基于 LOD 结构化三维高斯函数的一致实时渲染

    Octree-GS 是一种基于层次细节控制的 3D 高斯方法，解决了 3D-GS 在大场景、复杂细节和不同尺度下的渲染限制，并实现了实时渲染性能和高保真度的平衡。

    Mar, 2024

  • 用于实时渲染超大数据集的分层三维高斯表示

    通过使用层次结构的三维高斯，本研究提出了一种在非常大的场景中保持视觉质量的方法，同时提供了有效的远程内容的适当级别选择和平滑过渡的有效细节解决方案。

    Jun, 2024

  • RetinaGS：使用十亿级三维高斯函数进行密集场景渲染的可扩展训练

    本研究探索了在大规模高分辨率数据集上训练高参数 3D 高斯喷溅（3DGS）模型的可能性，并设计了一种称为 RetinaGS 的通用模型并行训练方法，通过使用适当的渲染方程式可适用于任何场景和任意高斯图元分布，能够探索以前难于探索的 3DGS 的原始数量和训练分辨率的缩放行为以及超越以往最先进的重建质量，观察到使用我们的方法增加原始数量时视觉质量明显提高的积极趋势，同时我们还首次尝试在全矩阵城市数据集上训练了一个超过十亿个图元的 3DGS 模型，达到了有希望的视觉质量。

    Jun, 2024

  • EfficientGS: 面向大规模高分辨率场景表示的高效高斯喷射方法

    通过优化 3D 高斯喷涂技术，我们提出了 EfficientGS 方法，针对高分辨率和大规模场景，通过选择性策略和剪枝机制，将模型大小减小为传统 3D 高斯喷涂的十分之一，同时保持高渲染保真度。

    Apr, 2024

  • HO-Gaussian: 三维高斯插值用于城市场景的混合优化

    通过将网格体积与 3D 高斯喷洒（3DGS）管道结合，提出了一种名为 HO-Gaussian 的混合优化方法，以克服使用初始结构运动（SfM）点的依赖性，从而使得在城市场景中进行渲染成为可能，并且引入了点密度化来提高在训练期间出现问题的区域的渲染质量。此外，我们引入了高斯方向编码作为渲染管道中球面调和的替代方法，从而实现了视角相关的颜色表示。为了解决多相机系统的问题，引入了神经翘曲以增强不同相机之间的物体一致性。在广泛使用的自动驾驶数据集上的实验结果表明，HO-Gaussian 在多相机城市数据集上实现了实时照片级渲染。

    Mar, 2024

  • DoGaussian：面向分布式的高斯喷点技术在大规模三维重建中的应用

    我们提出了 DoGaussian 方法，该方法通过将场景分解为 K 个块并在 3DGS 的训练过程中引入交替方向乘子方法（ADMM），在主节点上维护一个全局 3DGS 模型和 K 个从节点上的本地 3DGS 模型，从而加快了在大规模场景中的 3DGS 训练速度 6 倍以上，并同时实现了最先进的渲染质量。

    May, 2024

  • GaussianCity：基于高斯点绘制的无界三维城市生成

    高效合成无边界 3D 城市的 GaussianCity 系统，采用 3D 城市生成的 NeRF 和 3D-Gauusian Splatting 方法，通过引入 BEV-Point 作为紧凑的中间表示和空间感知的 BEV-Point 解码器，实现了优于 CityDreamer 的最先进的无人机视角和街景视角下的 3D 城市生成性能提升 60 倍（10.72 FPS 对 0.18 FPS）。

    Jun, 2024

  • 应用有限资源的高质量辐射场调节 3D 图形引擎

    通过在有限预算内进行训练和渲染，提出了一种改进的 3D 高斯粉碎（3DGS）模型，实现了较快速、高质量的新视图合成，并减少了模型大小和训练时间。

    Jun, 2024

  • VastGaussian：大场景重建的巨大 3D 高斯

    VastGaussian 是基于 3D 高斯平面分割的大型场景重建和实时渲染的首个方法，通过渐进的分割策略和外观建模的优化过程，在多个大型场景数据集上实现了超出现有 NeRF 方法的最新成果，实现了快速优化和高保真实时渲染。

    Feb, 2024

  • 通过自组织高斯网格实现紧凑的三维场景表示

    我们提出了一种紧凑的场景表示方法，将三维高斯扩散模型的参数组织成具有局部均匀性的二维网格，从而实现了存储需求的大幅度降低，同时在渲染过程中不影响视觉质量。

    Dec, 2023