SUNDAE-一种称为“光谱剪枝”的技术来优化和压缩3DGS模型

最新推荐文章于 2025-04-30 12:45:32 发布
最新推荐文章于 2025-04-30 12:45:32 发布
阅读量1.1k 收藏 6
点赞数 22
分类专栏： 3DGS 文章标签： 剪枝 3d 算法
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/huarzail/article/details/139027261
版权

清华大学人工智能产业研究院、伦敦帝国理工学院、北京航空航天大学、北京理工大学、中国科学院大学、 香港中文大学（深圳）、中国电信人工智能研究院（TeleAI）EVOL实验室的研究人员联合推出了一种新的3D场景表示方法-SUNDAE，它通过一种称为“光谱剪枝”的技术来优化和压缩3D高斯溅射（3D Gaussian Splatting，简称3DGS）模型，同时使用神经网络补偿来保持渲染质量。

如果不知所云的话

最低0.47元/天 解锁文章
告别3D高斯Splatting算法，带神经补偿的频谱剪枝高斯场SUNDAE开源了
leyang0910的博客
05-16 687
在这篇工作中，我们提出了一种新颖的具有神经补偿的频谱剪枝高斯场 SUNDAE，通过引入图信号处理，来建模高斯基元之间的关系，并混合不同基元的信息来补偿剪枝造成的信息损失。本论文作者包括帝国理工学院硕士生杨润一、北航二年级。最近，3D Gaussian Splatting (3DGS) 作为一种新颖的 3D 表示方式，因其快速的渲染速度和高渲染质量而受到关注。然而，这种方法也伴随着高内存消耗，例如，一个训练好的高斯场可能会使用超过三百万个高斯基元和超过 700 MB 的内存。
3D Gaussian Splatting文件的压缩【3D高斯泼溅】
新缸中之脑
11-15 3557
在上一篇文章中，我开始研究高斯泼溅（3DGS：3D Gaussian Splatting）。它的问题之一是数据集并不小。渲染图看起来不错。但“自行车”、“卡车”、“花园”数据集分别是一个 1.42GB、0.59GB、1.35GB 的 PLY 文件。它们几乎按原样加载到 GPU 内存中作为巨大的结构化缓冲区，因此至少也需要那么多的 VRAM，加上更多用于排序，加上在官方查看器实现中，平铺 splat 光栅化使用了数百 MB。
3DGS 其二：Street Gaussians for Modeling Dynamic Urban Scenes
泠山的博客
01-27 3463
基于场景表达的不同，可以将场景重建分为和我感觉这里说的其实是隐式辐射场和显式辐射场更贴切。：用 MLP 网络表示连续的体积场景，如 Mip-NeRF360、DNMP 等将其应用场景扩展到了城市街景，已去的不错的渲染效果。：在点云上定义学习神经描述符，并使用神经渲染器执行可微分的光栅化，大大可以提高了渲染效率。然而，它们需要密集的点云作为输入，并在点云稀疏区域的结果相对模糊。
600 FPS！通过剪枝对3DGS进行50倍压缩！
3D视觉工坊
07-05 444
点击下方卡片，关注「3D视觉工坊」公众号选择星标，干货第一时间送达来源：3D视觉工坊添加小助理：dddvision，备注：方向+学校/公司+昵称，拉你入群。文末附行业细分群扫描下方二维码，加入3D视觉知识星球，星球内凝聚了众多3D视觉实战问题，以及各个模块的学习资料：近20门视频课程（星球成员免费学习）、最新顶会论文、计算机视觉书籍、优质3D视觉算法源码等。想要入门3D视觉、做项目、搞科研，欢迎...
【论文解读ECCV2025】HAC: Hash-grid Assisted Context for 3DGaussian Splatting Compression
qq_35831906的博客
11-12 2064
3D高斯点云渲染（3D Gaussian Splatting，3DGS）作为一种有前景的新型视图合成框架，以其快速的渲染速度和高保真度受到了广泛关注。然而，3DGS的高斯点和它们相关的属性需要有效的压缩技术。然而，点云的稀疏性和无序性（即我们论文中的“锚点”）给压缩带来了挑战。为了解决这个问题，我们利用无序锚点和有结构的哈希网格之间的关系，利用它们的互信息进行上下文建模，提出了一种哈希网格辅助上下文（HAC）框架，用于高度压缩的3DGS表示。
HAC++: Towards 100X Compression of 3D Gaussian Splatting
qq_35831906的博客
02-11 1262
HAC++ 实现了显著的尺寸缩减，与原始的 3D 高斯泼溅（3DGS）相比，在所有数据集上平均缩减了超过 100 倍，同时提高了保真度。与 Scaffold-GS 相比，它还实现了超过 20 倍的尺寸缩减。3D 高斯泼溅（3DGS）作为一种新兴的新视角合成框架，以其快速的渲染速度和高保真度而备受关注。然而，大量的高斯点及其相关属性需要有效的压缩技术。尽管如此，高斯点云（或本文中的锚点）的稀疏性和无组织性给压缩带来了挑战。
一文详解DeepMind最新模型SUNDAE，了解迭代去噪模型的前世今生
Paper weekly
12-27 1329
©作者 | 中森单位 | 粤港澳大湾区数字经济研究院研究方向 | 条件受控下的文本生成近期笔者在做些去噪语言模型的预训练和迭代生成语言模型的实验和探索，在读到谷歌 DeepMind 实验室...
【AI】基于扩散方案的大语言模型研究报告
qq871325148的博客
03-08 1352
基于扩散模型的大语言模型正处于蓬勃兴起的阶段。从早期扩散模型的提出到与大模型结合的最新突破，我们见证了这一领域的迅猛发展。在哲学层面，DB-LLM带来了关于AI可解释性和认知边界的新思考；在技术层面，大量研究解决了将扩散引入语言的关键难题；在应用层面，DB-LLM展现出广阔前景，也提出了新的挑战。展望未来，随着多模态融合、低资源训练、自适应学习等方向的推进，DB-LLM有望在生成质量、效率和可控性上取得新的突破，为人工智能生成式模型开辟更宽广的道路。
react-tdd-sundae-server
03-17
cd进入sundae-server目录（此自述文件所在的目录）。 运行npm install 启动服务器 运行npm start 。 该服务器位于[http：// localhost：3030] 使用服务器 服务器路由： GET /scoops和GET /toppings返回圣代选项...
Sundae Splash-crx插件
04-05
通过添加冰淇淋的勺子来帮助，使毛毛虫更大，更大。 你可以这样做，玩得开心！ 在Sundae Splash中，你将成为冰淇淋大师，服务冰淇淋，因为它是从幻灯片顶部的每个女孩订购的。 如果你得到正确的订单，她会向右滑入...
圣代飞溅「Sundae Splash」-crx插件
03-12
从不同颜色的冰淇淋勺和浇头中选择，如软糖，樱桃和顶部的酱汁。 一旦完成，女孩将开始滑行或掉入水中。 无需单击并将锥体拖到她。 您有一定的时间来下订单，或者必须重新开始！ 您可以在没有错误的情况下为您提供...
Ice Cream Sundae HD Wallpapers New Tab Theme-crx插件
03-16
使用打开的新标签页获取不同的高清背景的冰淇淋圣代 零卡路里即可满足您的爱吃甜食的需求。 此扩展程序是专门为所有冰淇淋爱好者设计的。 我们收集了一些最好最美味的圣代冰淇淋的高清壁纸，以便您每次打开新标签页...
大模型高效化三大核心技术：量化、蒸馏与剪枝详解
ttyy1112的专栏
04-29 1085
这些技术正在推动大模型从"可用"到"好用"的转变，根据MIT最新研究，通过组合优化可使LLaMA-2在手机端实现20token/s的生成速度。实际应用中需要权衡精度-效率-成本的"不可能三角"，通常需要针对具体场景进行调优。将模型参数从高精度（如FP32）转换为低精度（如INT8/INT4）表示，显著减少内存占用和计算开销。让小型学生模型模仿大型教师模型的行为，保留知识的同时减少参数量。移除模型中冗余的神经元或连接，保留关键参数。
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.
04-29 290
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！！】
最新发布
举个栗子的博客
04-30 940
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 1293
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
04-30 998
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
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
04-30 197
机器视觉2D码垛和机器视觉3D码垛的区别
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
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