- 博客(4)
- 收藏
- 关注
RSS订阅原创 【前馈高斯2—论文解读】EmbodiedSplat(CVPR 2026):单卡训练的实时在线前馈语义高斯
新加坡国立大学团队提出EmbodiedSplat框架，首次实现具身智能领域的在线前馈语义3D高斯溅射。该方案突破三大技术瓶颈：1)采用动态CLIP全局密码本和稀疏系数场，实现67倍内存压缩；2)通过3D Sparse U-Net注入几何先验，增强语义鲁棒性；3)设计置信度加权的在线融合算子，支持实时增量式重建。实验表明，其轻量化变体EmbodiedSplat-fast可达到5.18FPS处理速度，70秒完成大规模室内场景语义重建。未来将拓展动态场景适应性和多智能体协同等方向。
2026-03-09 20:25:42
830
2
原创 【前馈高斯1—论文解读】OnlineX(CVPR‘26 Findings)：基于主—稳态解耦的在线高斯表示
现有 3DGS 多局限于离线重建，在处理流式输入时，常因“局部细节刷新”与“全局结构稳定”的冲突产生严重的累积漂移 。本文精读的前沿论文《OnlineX》针对此痛点，提出了创新的“主动到稳定（Active-to-Stable）”状态演进范式 。该模型将高频局部特征的提取与全局锚状态的维护巧妙解耦 ，并结合隐式高斯融合自适应去重 。无需显式位姿先验，OnlineX 仅凭流式 RGB 图像即可实时、端到端地输出高质量、抗漂移的 3D 高斯场景与语义语言场 。
2026-03-05 21:50:14
777
原创 【场景重建2】Omni-Scene代码复现流程（Windows版）
目标：复现Omni-Scene场景重建代码，跑通官方代码库中的demo部分。
2025-11-26 16:58:30
958
2
原创 【场景重建1】Omni-Scene:Omni-Gaussian 论文详解
Omni-scene是一项针对“以自我为中心”（Ego-Centric）的稀疏视图3D场景重建技术，旨在解决自动驾驶等场景下，因相机重叠度低、物体遮挡严重的重建难题。传统的基于像素（Pixel-based）的3D高斯方法（如pixelSlpat，MVSplat）虽然在“以场景为中心”（Scene-Centric）的任务中表现出色，但在面对车载相机视角的极小重叠区域（<15%）时，往往无法准确估计每个像素的深度，难以处理物体遮挡（Case 1）和视锥截断（Case 2），导致重建失败。而。
2025-11-24 21:16:34
1289
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人