2025 年 3D Gaussian Splatting（3DGS）论文和代码资源汇总

最新推荐文章于 2025-04-30 15:48:56 发布
最新推荐文章于 2025-04-30 15:48:56 发布
阅读量480 收藏 1
点赞数
分类专栏： 从零开始的深度估计和三维重建教程 文章标签： 3d 人工智能 计算机视觉 3dgs NeRF
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_87064292/article/details/144687716
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
空间智能元年：2025年3D高斯渲染（3D Gaussian Splatting）的关键要素
这里汇聚了前沿的技术分享与实用的开发技巧，带你探索从创意到企业的技术创业之路。
01-07 301
综上所述，在即将到来的空间智能元年——2025年，3D高斯渲染（3DGs）将在多个维度取得突破性进展。从训练速度到渲染质量，再到内存效率及动态效果等多个方面，每个环节都扮演着不可或缺的角色。而对于从业者来说，理解这些关键要素之间的相互关系，并根据自身业务特点做出合理取舍，将是成功把握市场机遇的关键所在。我们期待着看到更多创新成果涌现，共同推动这个领域的持续繁荣和发展。
3DGS 论文阅读笔记和个人讲解（3D Gaussian Splatting）
2401_87064292的博客
12-24 1117
这篇论文提出了一种新方法实现了辐射场的实时渲染，能够在较少的训练时间中，实现SOTA级别的视觉效果，针对用多张照片和视频拍摄的场景，允许以 1080p 分辨率进行高质量的实时（≥ 30 fps）新视图合成。可以先用一句话表达 3D Gaussian Splatting 干了什么：使用 3D Gaussian 球表示三维模型，并通过 Splatting 技术渲染出来。
【三维重建】近期进展（完善中）
qq_45752541的博客
09-05 4525
分享近期三维重建的最新文章。欢迎留言补充
ICLR 2025 高分论文！谢赛宁团队提出3DGS分布式训练新方案：Grendel
阿木寺的博客
02-05 387
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【3DGS和NeRF】交流群添加微信：CVer2233，助手会拉你进群！扫描下方二维码，加入CVer学术星球！可获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪必备！克雷西 发自 凹非寺转载自：量子位（QbitAI）高斯泼溅模型训练的内存瓶颈，终于被谢赛宁团队和NYU系...
训练3DGS和渲染3DGS
一名混沌的大学生
11-23 1520
没有划分训练集和测试的数据集，添加 —eval，代码运行时候会自动划分。结果保存到tandt_db/tandt/truck/output。结果保存到tandt_db/tandt/truck/output。以tandt_db/tandt/truck数据集为例开始训练。在训练前，只需要先了解以下主要参数的作用.官方源码提供的sfm数据集。truck数据集的渲染。
谢赛宁团队突破高斯泼溅内存瓶颈，并行方案实现多显卡训练
量子位
07-09 229
克雷西 发自 凹非寺量子位 | 公众号 QbitAI高斯泼溅模型训练的内存瓶颈，终于被谢赛宁团队和NYU系统实验室打破！通过设计并行策略，团队推出了高斯泼溅模型的多卡训练方案，不必再受限于单张卡的内存了。用这种方法在4张卡上训练，可以加速3.5倍以上；如果增加到32卡，又能有额外6.8倍的加速。该团队提出的是一种名为Grendel的分布式训练系统，第一作者是清华姚班校友赵和旭。通过多卡训练，不仅速...
3D Gaussian Splatting代码及论文解析
旭先森
09-01 3610
3DGS方案解析
3DGS 其一：3D Gaussian Splatting for Real-Time Radiance Field Rendering
泠山的博客
01-17 4767
α是表达三维场景的一种方式，不同于 NeRF 用一个点来表达，它是用一堆的 3D 高斯来表达。
3DGS：3D Gaussian Splatting for Real-Time Radiance Field Rendering 论文解读
NPU 研0
09-10 5403
3DGS原理介绍，论文解读。
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 2万+
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。
【论文阅读|计算机视觉】 3D Gaussian Splatting for Real-Time Radiance Field Rendering
chien__的博客
11-29 760
辐射场方法最近在基于多张照片或视频的场景新视角合成方面引发了革命。然而，要实现高视觉质量，仍需依赖昂贵的神经网络训练和渲染成本，而最近一些更快的方法则不可避免地在速度与质量之间做出了妥协。对于无边界的完整场景（而非孤立的物体）以及1080p分辨率的渲染，目前尚无方法能够实现实时显示（≥30帧/秒）。我们引入了三个关键要素，既能实现当前最先进的视觉质量，同时保持具有竞争力的训练时间，并且尤其能实现高质量的1080p分辨率实时新视角合成（≥30帧/秒）。
QT控件 参考Qt的PIMPL设计模式实现使用QWidget控件绘制3D饼状图表和3D柱状图表，使用QChartView绘制圆柱体图表
每个文章的示例都可以在下载资源中找到源码，有任何问题或修改可以左下角的QQ名片私聊联系.
04-29 296
工作中之前遇到了绘制3D饼状图表的需求，通过Qt 实现3维饼状图 一文，成功迅速解决问题，现在闲下来了，之前看QtTreePropertyBrowser库的源代码，就想着学习学习Qt的PIMPL模式，于是就参照PIMPL模式实现通过QWidget控件的paintEvent函数重新绘制3D饼状图表和3D柱状图表统计数据的显示效果， 而使用QChartView绘制圆柱体图表完全是取巧了，为了紧急完成工作采用的方法，实际上使用3D柱状图表显示统计数据更加合理。
自主采集高质量三维重建数据集指南：面向3DGS与NeRF的图像与视频拍摄技巧【2025最新版！！】
举个栗子的博客
04-30 958
优质的数据是高质量三维重建的前提。3DGS 与 NeRF 对相机轨迹与图像一致性要求极高，而合理的拍摄策略能显著减少训练误差、提升建模精度。通过科学规划拍摄路径、控制移动节奏、保障光照环境，再结合自动化的后处理工具链，即使是普通手机也能采集出媲美专业设备的数据。本文不仅提供了完整的图文指南，帮助你构建高质量、自主可控、易于训练的三维重建数据集，还补充了一键提帧、标注转换与训练指令，覆盖从采集到建模的每一步流程。如果对你有帮助可以一键三连，有问题的小伙伴也欢迎评论区进一步交流！！
Locate 3D：Meta出品自监督学习3D定位方法
家鸽的代码屋
04-30 1295
我们提出了 Locate 3D，这是一种可根据指代表达（如“沙发和灯之间的小咖啡桌”）在三维场景中定位物体的模型。Locate 3D 在标准的指代定位基准测试中创下了新的最先进水平，并展现出强大的泛化能力。值得注意的是，Locate 3D 可直接处理传感器观测流（带位姿的 RGB-D 帧），从而支持在机器人和增强现实设备上的实际部署。我们方法的关键是 3D-JEPA，这是一种新颖的自监督学习（SSL）算法，适用于传感器点云。
基于视觉的自动驾驶 3D 占据预测：回顾与展望
yorkhunter的博客
04-30 1010
24年5月来自北航大学的论文“Vision-based 3D occupancy prediction in autonomous driving: a review and outlook”。 近年来，自动驾驶因其在减轻驾驶员负担和提高驾驶安全性方面的潜力而受到越来越多的关注。基于视觉的 3D 占据预测是根据图像输入预测自动驾驶汽车周围 3D 体素网格的空间占据状态和语义，是一项新兴的感知任务，适用于经济高效的自动驾驶感知系统。本文首先介绍基于视觉的 3D 占据预测的背景并讨论该任务中的挑战。其次，从特
QT Quick 3D 渲染之场景构建(一)
一个大佬的博客
04-27 564
【代码】QT Quick 3D 渲染之场景构建(一)
用于实时辐射场渲染的3D高斯溅射——3D Gaussian Splatting for Real-Time Radiance Field Rendering
最新发布
weixin_51454889的博客
04-30 664
本周的工作重点是研究论文《用于实时辐射场渲染的3D高斯溅射》，深入探讨了其提出的3D Gaussian Splatting方法及其在实时渲染中的应用。该方法通过引入3D Gaussian模型和Splatting技术，突破了传统三维场景表示方法的局限性，尤其是在渲染速度和图像质量之间的权衡上表现优异。论文详细介绍了3D Gaussian的数学定义及其在三维几何建模中的优势，并通过光栅化技术将三维场景投影到二维图像，实现了高效的渲染过程。
机器视觉2D码垛和机器视觉3D码垛的区别
视觉人机器视觉的博客
04-30 201
机器视觉2D码垛和机器视觉3D码垛的区别
神经辐射场（NeRF）技术解析：3D重建与虚拟世界的未来
layneyao的博客
04-25 1936
神经辐射场（NeRF）技术解析：3D重建与虚拟世界的未来
ubuntu 3D Gaussian Splatting
03-12
### 实现 3D Gaussian Splatting 的准备工作 为了在 Ubuntu 上成功实现 3D Gaussian Splatting (3DGS)，需要确保操作系统环境已经准备好并安装必要的依赖项。对于 Ubuntu 22.04 版本，建议按照以下指南操作。 #### 安装基础软件包 首先更新系统的软件源列表，并安装一些基本工具和库： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake git wget unzip pkg-config libopencv-dev python3-pip -y ``` #### 设置 Python 和 PyTorch 环境 由于 3D Gaussian Splatting 需要使用到 PyTorch 进行模型训练与推理，因此需先确认 CUDA 版本再选择合适的 PyTorch 版本来安装[^1]。可以通过命令 `nvcc --version` 来查看当前 GPU 所支持的 CUDA 版本号。接着通过 pip 工具来安装对应版本的 PyTorch 及其扩展组件 torchvision: ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` 这里假设使用的 CUDA 是 11.7 版本；如果不是，则应调整 URL 中 cu 后面的部分以匹配实际的 CUDA 版本。 #### 获取项目代码 从 GitHub 下载官方提供的 3D Gaussian Splatting 源码仓库： ```bash git clone https://github.com/graphdeco-inria/gaussian-splatting.git cd gaussian-splatting ``` #### 编译 C++ 组件 进入克隆下来的目录后，编译所需的 C++ 插件模块： ```bash mkdir build && cd build cmake .. make -j$(nproc) ``` 这一步骤会生成执行文件和其他必需的支持文件。 #### 准备数据集 如果打算测试自采集的数据集，在此之前还需要做额外的工作来处理这些原始图像序列或者点云数据，使其能够被算法所接受。具体方法可以参见相关文档说明[^3]。 #### 测试运行 最后，尝试启动示例程序验证整个流程是否正常工作： ```bash python3 main.py --config configs/example.yaml ``` 以上就是在 Ubuntu 平台上部署 3D Gaussian Splatting 技术的大致过程概述。需要注意的是，不同硬件配置可能会遇到不同的兼容性和性能优化问题，所以在实践中可能还需进一步调试参数设置。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小寒学姐学AI

有用的话可以请我喝一杯咖啡~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值