Jun, 2024

四面体贴片用于 3D 生成

PDF
TL;DRTetrahedron Splatting (TeT-Splatting) is a novel 3D representation that achieves easy convergence during optimization, precise mesh extraction, and real-time rendering simultaneously, while incorporating eikonal and normal consistency regularization terms for improved generation quality and stability.
发现论文，激发创造
  • TetSphere Splatting: 用拉格朗日体网格表示高质量几何体

    我们提出了 TetSphere 喷洒，一种用于重建高质量几何形状的显式的拉格朗日表示。与传统的物体重建方法不同，它主要使用欧拉表示，包括神经隐式方法（如 NeRF，NeuS）和显式表示方法（如 DMTet），通常在高计算需求和低优化网格质量方面存在问题。 TetSphere 喷洒利用了一个被低估但非常有效的几何原语 - 四面体网格。通过可微渲染和几何能量优化的组合，它将多个初始四面体球体变形以准确重建 3D 形状，从而实现了显著的计算效率。作为一种强大而灵活的几何表示方法，Tet-Sphere 喷洒无缝地集成到各种应用中，包括基于单视角的 3D 重建和图像 / 文本到 3D 内容的生成。实验结果表明，TetSphere 喷洒优于现有的表示方法，具有更快的优化速度，增强的网格质量和可靠的薄结构保留。

    May, 2024

  • 3D 高斯点绘制的近期进展

    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

  • 深度行军四面体：用于高分辨率三维形状合成的混合表示

    介绍了一种深度三维条件生成模型 DMTet，它能够使用简单的用户指南（如粗略体素）合成高分辨率的三维形状。它将隐式和显式三维表示的优点结合起来，利用一种新颖的混合三维表示，并在表面网格上明确定义重建和对抗性损失，使我们能够综合更精细的几何细节，具有任意拓扑。

    Nov, 2021

  • 面向三维感知生成对抗网络的高斯喷洒解码器

    本文介绍了一种将 NeRF-based 3D-aware GANs 的高渲染质量与 3D Gaussian Splatting 的灵活性和计算优势相结合的新方法。通过训练一个解码器，将隐式的 NeRF 表示映射到显式的 3D Gaussian Splatting 属性，我们可以首次将 3D GANs 的代表性多样性和质量整合到 3D Gaussian Splatting 的生态系统中。此外，我们的方法还允许高分辨率 GAN 反演和实时 GAN 编辑与 3D Gaussian Splatting 场景的结合。

    Apr, 2024

  • 基于网格的高斯映射在实时大规模变形中的应用

    通过创新的基于网格的高斯喷洒（GS）表示方法，在保持高质量渲染结果的同时，实现了高质量的重构和有效的变形，每秒平均 65 帧。

    Feb, 2024

  • SuGaR: 表面对齐的高斯点精炼用于高效 3D 网格重构和高质量网格渲染

    我们提出了一种方法，可以从 3D 高斯散点图中精确且非常快速地提取网格。该方法使用高斯散点图进行实际渲染，相较于 NeRFs 具有更快的训练速度。我们首先引入了一个鼓励高斯散点图与场景表面对齐的正则项，然后利用此对齐性通过 Poisson 重建方法从高斯散点图中提取网格，该方法快速、可扩展且能保留细节信息，与通常用于从神经隐式函数中提取网格的 Marching Cubes 算法形成对比。最后，我们引入了可选的优化策略，通过高斯散点图渲染将高斯散点图与网格表面绑定，在传统软件中通过操纵网格而非高斯散点图本身实现了易于编辑、雕刻、绑定、动画制作、合成和调光。与基于神经隐式函数的最先进方法相比，我们的方法可在几分钟内获取逼真渲染所需的可编辑网格，而不是使用数小时。同时，我们的方法提供更好的渲染质量。

    Nov, 2023

  • 学习动态四面体进行高质量的说话头部合成

    通过神经网络对显式动态网格进行编码的混合表示方法 Dynamic Tetrahedra (DynTet) 提供了一种有效的几何一致性，解决了在准确建模复杂面部变形方面缺乏显式几何约束的困境。与以往的工作相比，DynTet 在保真度、口型同步和实时性能等多个指标上表现出了显著的改进，同时还能输出动态网格并有很多新兴应用的潜力。

    Feb, 2024

  • GS-Octree: 强光条件下健壮的物体级别三维重建的基于八叉树的高斯插值

    融合了 3D 高斯喷洒与八叉树隐式表面表示的新方法用于重构精确几何，尤其适用于受强照明影响导致的镜面高光图像。

    Jun, 2024

  • 学习可变形四面体网格用于 3D 重建

    介绍 Deformable Tetrahedral Meshes (DefTet) 作为一种特殊的参数化，利用容积四面体网格用于重建问题，该方法可以同时达到高精度、容积、可学习神经架构，并且可以产生比替代容积方法小得多的网格大小的高保真重建。

    Nov, 2020

  • 3D-HGS: 三维半高斯飘带

    基于神经渲染技术，本研究提出了一种使用 3D Half-Gaussian 核的方法，以改进当前 3D Gaussian splatting 方法的性能，在不影响渲染速度的情况下，在多个数据集上获得了最先进的渲染性能。

    Jun, 2024