3d gaussian splatting介绍整理

最新推荐文章于 2025-03-14 14:01:07 发布
最新推荐文章于 2025-03-14 14:01:07 发布
阅读量3.7k 收藏 20
点赞数 28
分类专栏： DeepLearning 文章标签： 3d 人工智能
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/level_code/article/details/135845812
版权

3D 高斯分布是用于实时辐射场渲染的 3D 高斯分布中描述的一种光栅化技术，它允许实时渲染从小图像样本中学习到的逼真场景。

paper
github

本文翻译整理自：
blog: Introduction to 3D Gaussian Splatting
DDPMs - Part 2

给出一些2D图片，用colmap得到稀疏 (SfM) 点，可重建出逼真的3D场景。
3DGS的核心是光栅化技术。
这类似于计算机图形学中的三角形光栅化，用于在屏幕上绘制许多三角形。

图片来自blog

在这里插入图片描述
但是，它不是三角形，是高斯。

最低0.47元/天 解锁文章
快收藏！3D Gaussian Splatting相关工作最全整理！
计算机视觉工坊
03-01 755
3D Gaussian Splatting已经不能用火来形容了，简直是直接引爆了整个NeRF圈，爆炸范围直接辐射到了SLAM、自动驾驶、三维重建等等很多领域。几乎每天都能看到3D GS的最新论文，不停地刷榜，不停地刷新SLAM等领域的上限。大佬们发论文是以天为单位的，各大实验室都在用GS刷新以前的任务，真的感觉快跟不上发展速度了。但不得不承认，3D GS已经成为NeRF入门的必学内容，甚至是很多其他领域的必备工具。
3D Gaussian Splatting
whaosoft143ai的博客
01-08 1891
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，
3DGS（三维高斯散射）算法原理介绍
qq_36812406的博客
02-22 2697
3DGS（3D Gaussian Scattering）是一种基于高斯分布的三维场景表示与渲染方法，主要用于高效建模和渲染复杂的三维场景，尤其适用于动态环境或需要实时性能的应用。其核心思想是将三维空间中的物体或体积表示为多个高斯函数的集合，并通过优化这些高斯参数来拟合观测数据（如多视角图像），最终实现高质量的渲染效果。3DGS通过显式的高斯分布建模三维场景，结合可微渲染技术，在实时性与渲染质量之间取得平衡。在渲染过程中，光线穿过三维场景时，与沿途的高斯函数相互作用。
服务器上colmap的安装（3DGS初始点云的获取）
m0_74304677的博客
12-26 598
3.安装一些依赖库（有可能不全，但这个地方就是缺啥补啥，到安装colmap的时候编译不了自然就知道缺啥了）1.B站大佬孤心不寒的Linux系统服务器上配置3DGS的笔记。其中native就是你之前查出来的算力，比如我这里就是89。2.CSDN上的帮助：（主要是下面文章中参考的那一篇）比如我的机器：那么之后显卡对应的算力就是89。接下来就可以安装编译了，可能时间会稍微长一点。我使用的环境详见上一篇。
3DGS（2023SIGGRAPH）实验记录
m0_58627397的博客
09-03 1069
（1）对3DGS运行、可视化 （2）训练模型->渲染图像->计算指标 （3）处理自己的数据
3D Guassian Splatting
weixin_45856174的博客
12-09 1800
Splatting算法是一种基于点或者体素的渲染方法，用于将三维数据投影到二维图像平面以生成图像，尤其在三维体绘制和散点云渲染中。对于点和体素的处理方法有一些差别，核心思想是一致的，即将数据点或体素解释为吸收和发射光线的粒子，通过计算这些粒子对屏幕像素的光学贡献来生成图像。作者在摘要中提到，3DGS方法实现了最先进的视图合成质量，并且可以达到实时生成速度。他们的解决方案是基于三个主要部分组成。
Paper Reading — 3D Gaussian Splatting
tjy792864625的博客
05-20 1686
3D gaussian splatting论文解析
[SIGGRAPH-23] 3D Gaussian Splatting for Real-Time Radiance Field Rendering
qq_40731332的博客
11-23 3785
NeRF效果好，但是训练和渲染很花时间；特别是对1080p分辨率渲染的场景，现有方法无法实现实时渲染。本文引入三个关键部分，实现sota视觉质量、较短训练时间和1080p分辨率下新视角实时渲染。。通过camera calibration中产生的稀疏点进行初始化。这种新的3D表达形式在保存NeRF优点的同时，避免了空白空间不必要的计算开销；。实现3D Gaussian的交替优化和密度控制，优化各向异性协方差矩阵实现对场景的准确表达；Rendering。
3D 高斯溅射 (Gaussian Splatting)技术，一种实现超写实、高效渲染的突破性技术
12-18 3117
3D 高斯溅射 (3DGS) 的核心技术是通过数百万个微小的、半透明的椭球体（即“高斯溅射”）来创建和渲染 3D 场景。与依赖多边形或复杂神经网络的传统方法不同，3DGS 利用这些溅射点来表现场景。每个溅射点包含其位置、颜色、大小和透明度的信息。当经过组合后，这些溅射点能高度还原场景的真实感。
三维高斯溅射(3D Gaussian Splatting,3DGS)
最新发布
2403_85515624的博客
03-14 1490
它通过使用3D高斯函数来表示场景中的点，并将这些高斯函数投影到2D图像平面上进行渲染。这项技术自2023年由Kerbl等人在 ACM Siggraph会议上首次提出以来，因其出色的渲染质量和实时性能而受到学术界和工业界的广泛关注。下图为3DGS算法的流程以下为原文中3DGS效果的展示备注：峰值信噪比(Peak Signal to Noise Ratio,PSNR)是图像质量评价领域最常用且历史最悠久的算法，基于两张图像之间的均方误差，可以进一步计算两张图像之间的PSNR值；
3D Gaussian-Splatting Linux端部署
qq_52882238的博客
12-09 905
本文使用的是Ubuntu20.04，cuda11.3使用的以下命令进行的对应版本的pytorch安装后续在运行代码的时候会显示缺少cv、tqdm等模块，届时再进行pip install cv这种对应的命令即可。
最新三维重建技术资源整理（NeRF和3D Gaussian Splatting）
RobinA380的博客
01-26 1092
视频教程（原作团队ECCV2022）：https://www.bilibili.com/video/BV1vs4y1F7De/?视频教程（蒂宾根大学ML-4360，主要第九章）：https://www.bilibili.com/video/BV1ov411j7Uj?代码（pytorch3d版）：https://gitcode.com/mirrors/facebookresearch/pytorch3d/tree/main。代码：https://github.com/Anttwo/SuGaR。
【3D Gaussian Splatting系列文章二】预备知识
qq_39374874的博客
09-20 514
此文记录个人学习过程，如有错误请与我私信联系。工欲善其事必先利其器，作为第一次踏入该领域的新人，博主刚开始阅读这篇论文十分困难（该还给老师的都还了）。因此，整理了一些预备知识，以便更好理解相关论文，如有补充，欢迎私信。其中，某些部分需要大量公式，本博客并未一一列举，且部分算法也并未详细展开，待后续有时间继续补充（由于时间有限，splatting以及CG相关知识只是做了简单理解，便于对我们论文立即。
3D Gaussian Splatting代码详解（一）：模型训练、数据加载
一名混沌的大学生
12-06 1722
这段代码提供了两个主要函数 readColmapSceneInfo 和 readColmapCameras，用于读取和处理 COLMAP 生成的相机参数和场景信息，并将其格式化为易于使用的数据结构。这段代码定义了 Scene 类，用于管理和加载 3D 场景的参数、模型和相机信息，并支持不同分辨率的相机数据。Scene 类结合了高斯模型和数据集处理逻辑，尤其适用于从 COLMAP 或 Blender 数据集中加载相机和场景信息，以便进行 3D 表示和训练。该函数的作用是加载数据、设置场景和高斯模型的。
colmap+3DGS复现
hihui1231的博客
02-25 1021
colmap和3DGS的复现流程
3D Gaussian Splatting 部署
qq_34717531的博客
09-03 3855
简介：3D Gaussian Splatting是一种用一组2d图像创建3d场景的方法，你只需要一个场景的视频或者一组照片就可以获得这个场景的高质量3d表示，使你可以从任何角度渲染它。它们是一类辐射场方法（如NeRF），但同时训练速度更快（同等质量）、渲染速度更快，并达到更好或相似的质量。3D Gaussian Splatting可以实现无界且完整的场景1080p分辨率下进行高质量实时（≥ 100 fps）视图合成。该论文获得的siggraph 2023最佳论文。
3D Gaussion Splatting
w574993075的博客
10-17 1406
Relightable Gaussian Codec Avatars，这是一种构建 高保真可重新照明的头部头像，可以进行动画处理以生成新颖的表情。基于 3D 高斯的几何模型可以捕获 3D 一致的亚毫米细节为了统一支持眼睛、皮肤和头发等人体头部的各种材料提出一种基于可学习的辐射转移的新型可重新打光外观模型。结合漫反射组件的全局照明感知球谐波，我们可以实现使用球形高斯进行全频反射的实时重新照明。此外观模型可以在点光和连续光下实时高效地重新建模照明。
【论文阅读笔记】3D Gaussian Splatting
weixin_62636846的博客
10-21 1055
说明：阅读笔记主要仅供个人学习使用从点云出发建立辐射场，通过colmap使用SfM获得初始点云，之后变点云为高斯椭球，通过机器学习进行重建。
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

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥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