May, 2024

CoR-GS：稀疏观测三维高斯点云绘制的协同正则化

PDF
TL;DR该论文介绍了一种新的协同正则化方法来改善稀疏视图下 3D 高斯光场的重建质量，通过评估高斯点表示之间的注册以及渲染像素之间的差异来量化点和渲染不一致性，进一步研究表明这两种不一致性与精确的重建之间存在负相关，基于这些研究结果，提出了一种名为 CoR-GS 的方法来鉴别和抑制不准确的重建，并在多个数据集上验证了该方法的有效性。
发现论文，激发创造
  • CoherentGS：具有连贯性的稀疏新视角合成与连贯 3D 高斯函数

    通过结构化的高斯表示和正则化优化，以及深度基于初始化来解决三维重建中稀疏输入图像的挑战，提高了与现有方法相比的重建质量。

    Mar, 2024

  • SparseGS：使用高斯投影进行实时 360° 稀疏视图合成

    我们提出了一种从稀疏训练视角中训练一致的基于 3DGS 的辐射场的方法，通过集成深度先验、生成和显式约束来减少背景折叠、移除浮点值，并增强来自未见视角的一致性，实验证明我们的方法在 MipNeRF-360 数据集上以较少的训练和推理成本超过了基本的 3DGS 的 30.5% 和基于 NeRF 的方法的 15.6%。

    Nov, 2023

  • 二维高斯粒子扩散用于几何精确辐射场

    通过将三维体积转化为一组二维定向平面高斯盘，使用透视准确的二维喷洒过程，结合深度扭曲和法线一致性项，实现从多视角图像中准确重建细表面并提高重建质量的一种方法。

    Mar, 2024

  • SRGS：超分辨率 3D 高斯喷撒

    提出了 Super-Resolution 3D Gaussian Splatting (SRGS) 方法，通过在高分辨率空间中进行优化，引入亚像素约束并与预训练的 2D 超分辨率模型集成，以有效增强原语的表示能力。在 HRNVS 方面实现高质量渲染，优于 Mip-NeRF 360 和 Tanks ＆ Temples 等挑战性数据集上的现有方法。

    Apr, 2024

  • PGSR: 基于平面的高斯点云着色用于高效和高保真度的表面重建

    通过引入基于平面的高斯点云猜测（PGSR）方法，本研究旨在实现高保真度的表面重建和高质量的渲染，以解决基于 3D 高斯斑点（3DGS）的重构方法中普遍存在的质量问题。实验结果表明，与基于 3DGS 和 NeRF 的方法相比，我们的方法在快速训练和渲染的同时保持了高保真度的渲染和几何重建效果。

    Jun, 2024

  • R$^2$- 高斯：纠正放射高斯喷射用于层析重建

    本文介绍了第一个基于 3D 高斯喷洒（3DGS）的稀疏视图层析重建框架 R2-Gaussian，通过从 3D 到 2D 高斯的重投影，引入了定制高斯核、扩展到 X 射线成像以及基于 CUDA 的可微体素化器等三个关键创新，通过大量实验证明，我们的方法在 PSNR 和 SSIM 方面优于最先进的方法 0.93 dB 和 0.014，关键是能够在 3 分钟内产生高质量结果，比 NeRF 方法快 12 倍，并与传统算法持平，凸显出其实用价值。

    May, 2024

  • Pixel-GS: 使用像素感知梯度进行 3D 高斯喷洒的密度控制

    提出了一种名为 Pixel-GS 的新方法，通过考虑每个视图中高斯函数覆盖的像素数量来计算增长条件，从而促进大型高斯函数的增长，实现了更精确、更详细的重构，同时保持实时渲染速度和最新的渲染质量。

    Mar, 2024

  • FreGS: 逐级频率规范化的三维高斯喷洒

    频域中的渐进频率规则化（FreGS）技术用于解决高斯低密度重构问题，在多个基准测试中表现出卓越的新视角合成效果并持续超越现有技术水平。

    Mar, 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

  • 紧凑的三维高斯辐射场表示

    通过学习性的掩码策略和向量量化，我们减少了高斯点的数量和占用的存储空间，实现了高性能、快速训练、紧凑且实时的渲染，提供了一个全面的三维场景表示框架。

    Nov, 2023