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
Fed3DGS 是一个基于 3D 高斯喷洒(3DGS)与联邦学习的可扩展三维重建框架,其采用分散式架构并利用数以百万计的客户端上的分布式计算资源,通过定制的蒸馏模型更新方案和外观建模技术来处理非独立同分布数据,在大规模基准测试中呈现出与集中式方法相当的图像质量,并能捕捉到由季节变化引起的场景变化。
Mar, 2024
CityGaussian 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.
Apr, 2024
使用一组高斯椭球来模拟场景,从而实现高效渲染,3D 高斯喷涂表示法具有快速渲染、动态重建、几何编辑和物理模拟等优点。本文通过对最近的 3D 高斯喷涂方法进行文献综述,提供了一个 3D 高斯喷涂方法的分类,包括 3D 重建、3D 编辑和其他功能应用,以及传统的基于点的渲染方法和 3D 高斯喷涂的渲染公式,旨在帮助初学者快速了解这一领域并为经验丰富的研究者提供全面的概述,以推动 3D 高斯喷涂表示法的未来发展。
Mar, 2024
3D 高斯喷墨(3DGS)是由于其出色的视觉效果和渲染速度而变得越来越受欢迎的三维重建技术。我们介绍了 Grendel,这是一个分布式系统,旨在将 3DGS 参数划分并在多个 GPU 上并行计算,以处理高分辨率和大规模的 3D 重建任务。通过在像素分区之间进行稀疏的全对全通信和动态负载平衡,Grendel 能够在多个视图中支持批量训练,以提高渲染质量。在大规模、高分辨率场景的评估中,使用多个 GPU 上的扩展 3DGS 参数,我们在 Rubble 数据集上将测试 PSNR 从单个 GPU 的 11.2 百万高斯值的 26.28 提高到了使用 16 个 GPU 分布的 40.4 百万高斯值的 27.28。Grendel 是一个开源项目,可以在此 https URL 找到。
Jun, 2024
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
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
本文介绍了一种名为 GS-SLAM 的算法,它在同时定位与地图构建(SLAM)系统中首次使用了 3D 高斯表示方法,实现了效率和准确性之间的更好平衡。与使用神经隐式表示的最新 SLAM 方法相比,我们的方法采用了实时可微分雀斑光照渲染流水线,大大加速了地图优化和 RGB-D 重渲染。具体而言,我们提出了一种自适应扩张策略,通过添加新的或删除噪音 3D 高斯来有效重构新观测到的场景几何并改善先前观测区域的建图。这种策略对于将 3D 高斯表示扩展到重建整个场景而不是在现有方法中合成静态物体至关重要。此外,在位姿跟踪过程中,设计了一种有效的从粗到细的技术,以选择可靠的 3D 高斯表示来优化相机姿态,从而减少运行时间并实现强健的估计。我们的方法在 Replica 和 TUM-RGBD 数据集上与现有的最新实时方法具有竞争力的性能。源代码将在获批后发布。
Nov, 2023
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
提出了一种新的运动感知增强框架,通过挖掘光流中的有用运动线索来改进动态场景重建,以提高不同动态 3D 高斯喷溅方式的性能,并针对基于形变的范例提出了一种瞬态感知形变辅助模块。经过广泛的实验证明,与基线相比,我们的方法在渲染质量和效率方面都表现出明显的优势。
Mar, 2024
我们的研究论文提出了一种基于扩散模型的引导方法,通过改进经过训练的 3D-GS 来增强新视角的渲染效果,显著减少了伪影,并在评估指标上获得明显的改进。此外,我们的方法具有通用性,可以轻松整合到各种 3D 重建项目中。
Apr, 2024