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

我们提出了三个关键要素，可实现高质量的实时（大于等于 30 帧 / 秒）1080p 分辨率的新视图合成，其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景，并开发了一种快速的可见性感知渲染算法，以加速训练并实现实时渲染。

Aug, 2023

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

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

这篇论文主要研究了使用高斯喷洒表示三维物体和场景，以提高渲染速度，但存储和传输开销较大的问题。作者提出了一种新的表示方法，在保持类似或改善质量的同时极大地减小硬盘占用空间，并能够在移动设备上实时高效地运行。他们的关键观察是场景中的相邻点可以共享相似的表示，因此只需要存储少量的三维点。作者还引入了一种方法来识别这些相邻点，称为父点，通过小型多层感知器可以有效地预测被丢弃的子点及其属性。

Jun, 2024

本文介绍了一种利用高斯表示三维生成对抗网络（3D GANs）的生成器架构，通过引入分层多尺度高斯表示有效地规范了生成高斯分布的位置和尺度，实现了显著更快的渲染速度，并具备可比较的三维生成能力。

Jun, 2024

介绍了高斯森林建模框架，该框架通过在复杂区域中进行详细表示并显著减少所需的高斯模型数量，从而实现了与现有方法相媲美的速度和质量，并且在压缩比方面取得了 10 倍以上的显著进展。

Jun, 2024

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

我们提出了一种新颖的实时去模糊框架，利用小型多层感知机（MLP）操纵每个 3D 高斯的协方差来建模场景的模糊程度，从模糊的图像中重构出细节清晰的图像，实现实时渲染。

Jan, 2024

提出了一个使用可变形的 3D 高斯散射方法对动态场景进行重建和渲染，在实时渲染的速度和渲染质量方面优于现有方法。

Sep, 2023