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
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
用基于k-means算法的简单向量量化方法和类似于游程编码的方法来减少3D高斯雨滴方法的存储成本,并在质量下降很小的情况下减少存储成本近20倍。
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
3D高斯喷洒是一种能够实时渲染的、可控且可编辑的3D重建和表示方法,通过显式场景表示和可微分的渲染算法,提供了独特的优势,为下一代3D重建和表示技术带来了潜在的变革。本文首次系统综述了3D高斯喷洒的最新进展和重要贡献,包括其背后的原理、应用可行性以及各类基准任务下的性能和实用性评估,并指出当前挑战和未来研究的发展方向。
Jan, 2024
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
通过矩阵和张量分解技术,我们提出了一种新方法,即因式化三维高斯粒子点描(F-3DGS),通过高效的因式化,大大减少了存储需求,同时保持了渲染图像的质量。
May, 2024
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
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。
通过对3D高斯散射方法进行内存优化以减少存储和传输需求,提出了使用高斯基元、球面谐波系数和编码簿量化的解决方案,从而在标准数据集上实现了27的整体大小减少和1.7的渲染速度加快。