最新综述！3D Gaussian Splatting

最新推荐文章于 2024-08-18 22:51:13 发布

3DCV

最新推荐文章于 2024-08-18 22:51:13 发布

阅读量725

点赞数 20

文章标签：自动驾驶人工智能机器学习计算机视觉深度学习

本文链接：https://blog.csdn.net/2301_81515836/article/details/135832561

版权

作者：小柠檬 | 来源：3DCV

在公众号「3DCV」后台，回复「原论文」可获取论文

文章介绍了3D高斯喷洒在场景重建和渲染中的应用，并探讨了其在机器学习和计算机视觉领域的潜在应用。文章还提供了3D高斯喷洒的基本原理和优化方法，并讨论了其在不同应用领域的潜在影响和挑战。该调查旨在为研究人员和从业者提供关于3D高斯喷洒的全面了解，并促进该领域的进一步研究和创新。

原文链接：最新综述！3D Gaussian Splatting

在这里插入图片描述

推荐阅读

1、自动驾驶的未来：BEV与Occupancy网络全景解析与实战揭秘！

2、基于NeRF/Gaussian的全新SLAM算法

3、基于面结构光的高反射物体重建方法（相位偏折术）

4、Open3D：点云处理入门与实战系列教程

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

3DCV

关注关注

20
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
最新综述！3D Gaussian Splatting

作者：小柠檬 | 来源：3DCV 在公众号「3DCV」后台，回复「原论文」可获取论文
复制链接

扫一扫

三维重建-3D Gaussian Splatting

03-07

三维重建-3D Gaussian Splatting

3D Gaussian Splatting介绍

m0_37604894的博客

04-17

4098

3D Gaussian Splatting和NeRF一样，主要用于新视图合成。使用光栅化渲染方式，而不是NeRF的基于射线的体渲染（volumetric rendering along a ray）使用多个3D高斯球显示的表达场景训练推理速度快的同时保证质量高本质上是一个优化问题，没有使用神经网络μ\muμ进行了一定简化，我们回顾一下原始形式，若随机变量服从X∼Nμσ2X∼Nμσ2,则有如下的概率密度函数对应到多元，就是下面的形式，

参与评论您还未登录，请先登录后发表或查看评论

117篇 | 3D Gaussian Splatting论文

一点人工一点智能的博客

05-03

643

本论文集划分为4个部分：综述&基础（14篇）、NeRF在AIGC（54篇）、NeRF在SLAM（自动驾驶）（25篇）、NeRF之场景建模（25篇）

三篇最新综述！3D Gaussian Splatting

2301_81515836的博客

03-26

388

学习笔记之——3D Gaussian Splatting及其在SLAM与自动驾驶上的应用调研

热门推荐

gwpscut的博客

01-09

1万+

论文主页3D Gaussian Splatting是最近NeRF方面的突破性工作，它的特点在于重建质量高的情况下还能接入传统光栅化，优化速度也快（能够在较少的训练时间，实现SOTA级别的NeRF的实时渲染效果，且可以以 1080p 分辨率进行高质量的实时（≥ 30 fps）新视图合成）。开山之作就是论文“3D Gaussian Splatting for Real-Time Radiance Field Rendering”是2023年SIGGRAPH最佳论文。

3D Gaussian Splatting

whaosoft143ai的博客

01-08

1470

本文转载于大佬~~这是3D Gaussian Splatting综述, 先回顾3D Gaussian的原理和应用，借着全面比较了3D GS在静态场景、动态场景和驾驶场景中的性能，最后为未来指明了研究方向！三维 Gaussian splatting（3DGS）是近年来在显式辐射场和计算机图形学领域出现的一种变革性技术。这种创新方法的特点是使用了数百万个3D高斯，这与神经辐射场（NeRF）方法有很大的不同，后者主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3D GS凭借其明确的场景表示和可微分的渲染算法，

3D Gaussian Splatting综述

yorkhunter的博客

07-31

325

24年1月来自浙江大学的论文“3D Gaussian splatting”。

3D Gaussian Splatting for Real-Time Radiance Field Rendering

weixin_45834800的博客

06-08

1412

我们的方法的输入是一组静态场景的图像，以及由SfM【Schönberger 和 Frahm 2016】校准的对应摄像机，SfM会产生稀疏点云作为副产品。我们从这些点创建了一组3D高斯分布（见第4节），定义了位置（均值）、协方差矩阵和不透明度α，这允许非常灵活的优化机制。这结果在于对3D场景的合理紧凑表示，部分原因是高度各向异性的体积喷溅可以紧凑地表示精细结构。辐射场的方向外观分量（颜色）通过球谐函数（SH）表示，遵循标准做法【Fridovich-Keil 和 Yu 等人 2022；

Gaussian-Splatting + Unity

12-24

Gaussian-Splatting + Unity: 使用Gaussian-Splatting训练数据并导入Unity中，大致步骤如下： 0.环境安装配置 1.视频录制 2.视频转序列帧 3.生成点云 4.训练 5.导入Unity 教程及效果展示：...

gaussian-splatting.zip

05-27

3DGS完整代码，附iphone手拍可重建数据集。包含使用教程：预处理：运行pre_data.py脚本数据：预处理【python convert.py -s data】训练：python train.py -s 【python train.py -s data】 ...

3D高斯飞溅实时辐射场渲染：一个用于3D实时辐射场渲染的项目

01-13

高斯飞溅（Gaussian Splatting）是一种先进的表面重建和渲染技术，常用于体绘制（Volume Rendering）。在3D辐射场渲染中，高斯飞溅方法通过将数据点用高斯函数进行扩展（splat），以形成连续的辐射场表示。高斯函数...

三维重建-基于Three.js实现的3D-Gaussian-Splatting三维重建算法-附项目源码+流程教程-优质项目实战

07-28

三维重建_基于Three.js实现的3D-Gaussian-Splatting三维重建算法_附项目源码+流程教程_优质项目实战

UniAD_面向规划的自动驾驶

最新发布

真诚的灰灰的博客

08-18

965

现代自动驾驶系统以顺序执行的模块化任务为特点，即感知、预测和规划。为了执行多样化的任务并达到高级智能水平，当代方法要么为每个单独任务部署独立模型，要么设计具有不同分支的多任务模型。然而，这些方法可能会遇到累积误差或任务协调不足的问题。相反，我们认为应该设计并优化一个有利的框架，以实现最终目标，即自动驾驶汽车的规划。为此，我们重新审视了感知和预测中的关键组件，并优先考虑任务，以确保所有这些任务都能促进规划。我们提出了统一自动驾驶（UniAD），这是一个集成了全栈驾驶任务的全面框架。它精心设计，

面向自动驾驶保证车辆转向稳定性的模型预测控制

weixin_45905610的博客

08-17

868

随着自动驾驶等级的提高，人机交互的影响和在多工况下的车辆安全需求对车辆转向稳定性控制方法提出了新的挑战，具体体现在以下几个方面：(1) 在常规工况下，由于人类驾驶员对人机协同控制的信任程度不同，可能造成人机冲突并影响车辆转向稳定性，因此在常规工况下如何缓解人机冲突，避免影响车辆转向稳定性是一个需要解决的问题； (2) 在极限工况下，由于车辆高速急转或路面摩擦系数减小可能产生轮胎侧滑，人类驾驶员很难做出正确操作，加剧车辆侧滑甚至导致侧翻，因此在极限工况下如何控制车辆失稳状态，保证车辆转向稳定性是一个

萝卜快跑和端到端的自动驾驶（1）

周博洋的博客

08-16

551

相当而言，下面的这个方式，比较好容易被接受，就是把感知，预测，决策这些模块在一个模型了，planning和control这些不用放在模型里执行，在模型外，可以写一些兜底的策略，比如紧急避障，紧急刹车，限速啥的。：跟踪模块持续监控并预测周围移动物体的位置和速度，例如其他车辆和行人，以便系统能够做出及时和准确的反应，避免碰撞。这是一个错误的理解，特斯拉的纯视觉方案在训练时有text指令的输入，所以它也是多模态的。比如如果你感知做的很垃圾，那么很不幸的是，你的跟踪，路径规划，决策啥的，都会受到影响。

2024.08.07校招实习内推面经

Neituijunsir的博客

08-13

369

自动驾驶定位融合

qq_45191106的博客

08-15

417

关系向量指定了一类可能运动的参数，通过这些参数，描述对象 j 位置的参考系可能由对象 i 的参考系产生。关系向量的一个例子是习，j “ pxi，j，yi，j，φi，j q T，它指定二维对象 j 由 pxi，j ， yi，j q T 平移并相对于对象 i 旋转角度 φi，j。输入：对象 i、j、k 的序列，具有对象 j 相对于对象 i 和对象 k 相对于对象 j 的随机空间关系，假设采用高斯噪声模型，由关系向量分布的均值习，j 和 xj，k 和协方差 Covpxi，j 和 Covpxj，kq 表示。

C/C++开发，opencv内置背景减除算法与运动检测

技术需要分享

08-14

1210

C/C++开发，opencv内置背景减除算法的完整代码及编译过程示例

3d gaussian splatting具体是用什么实现的

01-17

3D Gaussian Splatting是通过将一组2D图像/视频映射到投影平面上，并使用高斯函数对每个像素进行加权来创建高质量的3D场景。具体实现方法如下： 1. 将3D场景中的对象映射到投影平面上，得到一组2D图像/视频。 2. 对于每个像素，计算其在3D场景中的位置，并根据其距离和方向计算高斯权重。 3. 将每个像素的颜色值乘以对应的高斯权重，并将结果累加到最终的3D场景中。 4. 重复步骤2和步骤3，直到处理完所有的像素。 5. 最终得到的3D场景可以从任意角度进行渲染。这种方法可以在GPU上并行处理，因为每个像素的计算是独立的。通过使用高斯函数对像素进行加权，可以实现光线从中心向外扩散并减弱的效果，从而创建出更真实的3D场景。