作者:Hao Li等人|编辑:计算机视觉工坊
添加小助理:dddvision,备注:3D目标检测,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,欢迎扫码加入!
0. 这篇文章干了啥?
NeRF和3D GS依赖相机的位姿真值,但实际场景中很难获取。并且由于使用了大量参数,难以在更高分辨率下进行重建。最后,这类方法在合成新视角时每次都需要完整地前向传播整个网络,难以实时渲染。
为了应对这些挑战,这篇文章提出了 GGRt,它将基于原始的基于图元的 3D 表示------快速和内存高效的渲染------带入到了无姿态条件下的通用新视角合成中。具体来说,我们引入了一种新颖的流水线,同时学习 IPO-Net 和 G-3DG 模型。这样的流水线可以强健地估计相对相机姿态信息,从而有效地减轻了对真实相机姿态的