Jun, 2024

PUP 3D-GS: 三维高斯分片的原则性不确定性修剪

PDF
TL;DR本论文提出了一种基于预训练的 3D 高斯扩散（3D-GS）模型的减枝和优化管道，利用精确的空间敏感度准则，大幅削减高斯分布数量，极大地提升了渲染速度并保持了前景信息和图像质量。
novel view synthesis3d gaussian splattingspatial sensitivity pruning scorepretrained modelsrendering speed
发现论文，激发创造
  • LP-3DGS: 学习剪枝 3D 高斯点渲染

    通过学习去除迭代 3D 高斯投射法（LP-3DGS）提供了一种自动寻找最佳裁剪比例的方法，该方法使用可训练的二进制掩码来对重要性分数进行裁剪，并通过重新设计掩码函数以利用 Gumbel-Sigmoid 方法使其可微分并与现有的 3D 高斯投射法训练过程兼容，从而在效率和质量之间提供了良好的平衡。

    May, 2024

  • SafeguardGS: 避免灾难性场景破坏的 3D 高斯基元修剪

    3D Gaussian Splatting 中的修剪技术对于优化渲染性能起到关键作用，基于分类实验的观察，像素级修剪技术通过颜色加权评分函数能够较好地保持高渲染质量，并提供了修剪的合理最小边界。本研究为未来工作优化 3DGS 修剪策略提供了有价值的见解。

    May, 2024

  • 修剪肥胖：通过修剪压缩 3D 高斯点云

    本研究提出了一种名为 “修剪多余信息” 的后续渐进剪枝技术，旨在解决 3D 模型的内存和计算可扩展性问题，并通过实验证明，在保持或提高基准性能的同时，可以消除高达 75% 的高斯函数。我们的方法在压缩率达到 50 倍的同时，能够加快计算速度高达 600 FPS。

    Jun, 2024

  • GaussianPro：3D 高斯散点投射与渐进传播

    通过应用渐进传播策略，并利用场景的先验知识和块匹配技术，我们提出了一种名为 GaussianPro 的新方法，来指导 3D 高斯聚类的密度化，验证实验证明了我们的方法在大规模和小规模场景上的有效性。

    Feb, 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

  • 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

  • 超点高斯飞溅实时高保真动态场景重建

    提出了一种名为 Superpoint Gaussian Splatting（SP-GS）的新框架，该框架通过使用显式的 3D 高斯函数来重构场景，并将具有相似属性的高斯函数聚类成超点，从而实现了对动态场景的实时渲染，获得了最新的视觉质量。

    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

  • LGS：一种高效的手术场景重建轻量级 4D 高斯喷洒

    通过引入轻量级 4D 高斯光斑框架（LGS），该研究解决了在资源有限的手术设备中妨碍实时渲染的存储问题，并在动态内窥镜重建中展现出较高的压缩率、良好的视觉质量和实时渲染效率。

    Jun, 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