训练缩短95％！Event3DGS让你的3DGS全面提速！

最新推荐文章于 2024-10-03 08:09:54 发布
最新推荐文章于 2024-10-03 08:09:54 发布
阅读量193 收藏
点赞数
分类专栏： 3D视觉从入门到精通 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/weixin_46788581/article/details/139533270
版权
Event3DGS提出了一种新框架，通过处理事件流学习3D表示，解决了低光和快速自运动情况下的3D重建问题。它减少了基于NeRF方法的训练时间95％以上，支持实时渲染，适用于高速机器人3D地图制作。
摘要由CSDN通过智能技术生成

编辑：计算机视觉工坊

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，欢迎扫码加入！

了解本专栏 订阅专栏 解锁全文 超级会员免费看
计算机视觉工坊
关注
专栏目录
订阅专栏
CVPR'24商汤开源！3DGS再进化，可控的3D编辑！
计算机视觉工坊
05-12 1105
点击下方卡片，关注「计算机视觉工坊」公众号选择星标，干货第一时间送达作者：Yiwen Chen | 编辑：计算机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...
400倍加速！港科大PyGS：金字塔框架多尺度还原大规模场景细节
CV_Autobot的博客
06-05 110
点击下方卡片，关注“3D视觉之心”公众号第一时间获取3D视觉干货>>点击进入→3D视觉之心技术交流群还有什么阻碍大规模渲染？神经辐射场（NeRF） 在处理大规模场景时面临细节丢失和渲染缓慢的挑战。尽管一些扩展NeRF的方法（如MegaNeRF[2]、BlockNeRF[3]和SwitchNeRF[4]）试图解决这些问题，但由于频谱偏差和计算资源需求的限制，仍难以捕捉复杂细节和实现实时渲...
重磅直播！当3DGS遇上可泛化物体位姿估计
3D视觉工坊
08-15 154
点击下方卡片，关注「3DCV」公众号选择星标，干货第一时间送达直播信息时间2024年8月15日(周四)20：00主题当3DGS遇上可泛化物体位姿估计直播平台3D视觉工坊哔哩哔哩扫码观看直播，或前往B站搜索3D视觉工坊观看直播3DCV视频号也将同步直播嘉宾介绍Vallee某985博后，研究方向为物体级三维重建与位姿估计，本科与博士毕业于985，曾在自动驾驶公司从事3D目标检测、SLAM等研发工作，在...
驯服3DGS！更少的训练时间、内存！更高的质量！
3D视觉工坊
07-20 275
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3D视觉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...
渲染速度加快310%！AdR-Gaussian：利用自适应半径加速一切3DGS！
计算机视觉工坊
09-20 833
3D Gaussian Splatting (3DGS)是最近出现的一种显式3D表示，它实现了复杂场景的高质量重建和实时渲染。然而，由于可避免的连续高斯剔除，光栅化流水线仍然存在不必要的开销，并且由于跨像素渲染的高斯数量不同，负载不均匀，这阻碍了3DGS的更广泛推广和应用。为了加速高斯分布，我们提出了AdR-Gaussian算法，它将渲染阶段的部分串行剔除移动到更早的预处理阶段以实现并行剔除，采用自适应半径来缩小每个高斯分布的渲染像素范围，并引入负载平衡方法来最小化像素并行渲染过程中的线程等待时间。
只需一行代码提高3DGS重建质量！随机初始化新SOTA
soaring_casia的专栏
05-25 1124
本方法通过全面的定量和定性比较评估了RAIN策略的有效性RAIN-GS有效地消除了对从运动结构（SfM）中获得的精确点云的严格依赖，为无法获得精确点云的场景中的3DGS开辟了新的可能性。
3DGS 其一：3D Gaussian Splatting for Real-Time Radiance Field Rendering
泠山的博客
01-17 3514
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。
无所不能！无痛拥有自己的3DGS自动驾驶仿真器
CV_Autobot的博客
06-14 521
点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线今天自动驾驶之心很荣幸邀请来了仿真算法专家—张峻川，为大家分享如何无痛拥有自己的3DGS自动驾驶仿真器，完全使用开源的学术研究，且无需程序编写！如果您有相关工作需要分享，请在文末联系我们！也欢迎添加小助理微信AIDriver004，加入我们的技术交流群>>点击进入→自动驾驶之心『仿真闭环』技术交流群...
97%！FlyNeRF:基于无人机的NeRF实现超高质量3D重建！
3D视觉工坊
04-27 434
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，欢迎扫...
提升20%！开源！通用！利用有限LiDAR数据提高3D检测！
计算机视觉工坊
04-19 49
3D检测是一项关键任务，使机器能够在三维空间中识别和定位物体。它在多个领域中都有广泛的应用，包括自动驾驶、机器人技术和增强现实。单目3D检测具有吸引力，因为它只需要一个摄像头，但是它缺乏真实世界应用所需的精度和鲁棒性。另一方面，高分辨率激光雷达可能昂贵，并且在高交通量情况下可能导致干扰问题，因为它们具有主动传输功能。我们提出了一种平衡方法，结合了单目和基于点云的3D检测的优点。我们的方法仅需要少量3D点，可以从低成本、低分辨率传感器中获得。
清晰度提升30%！2D扩散模型助力3D纹理重建：最新开源框架PointDreamer
计算机视觉工坊
06-27 79
PointDreamer 是一种创新的零样本框架，通过将 3D 重建任务转化为 2D 图像修复，实现了高保真度和强泛化能力的纹理网格重建。它在各种基准数据集上取得了 SOTA 性能，并具有易于使用和强大的抗噪声能力等优点，在 3D 重建领域具有广阔的应用前景。本文仅做学术分享，如有侵权，请联系删文。
CVPR‘24商汤开源！3DGS再进化，可控的3D编辑！
计算机视觉工坊
05-12 180
GaussianEditor 是一种基于高斯喷涂的创新 3D 编辑算法，旨在提高控制和效率。该方法利用高斯语义跟踪精确定位编辑区域，再结合分层高斯喷涂（HGS）以在随机引导下实现详细结果。此外，还开发了一种专门针对高斯喷涂的 3D 补全算法，简化了对象的移除和集成，大幅减少了编辑时间。然而，与基于 2D 扩散模型的先前工作类似，GaussianEditor 仍受到当前 2D 扩散模型在某些复杂提示下提供指导方面的限制。
提升27%！超强机械臂混合注意力机制框架Focal CVAE！
计算机视觉工坊
05-29 59
双臂机器人在智能制造中具有巨大的应用前景，因为它们在部署先进智能算法时具有类似人类的结构。然而，在图像特征受到各种条件影响（如异常光照、遮挡和阴影等）的环境中，先前的视觉运动策略存在感知缺陷。为了解决这一挑战，本文提出了基于Focal CVAE框架的RGB-D多模态数据融合。在这项研究中，设计了一个混合的焦点注意模块，用于融合包含颜色特征的RGB图像和包含3D形状和结构信息的深度图像。该模块突出显示突出的局部特征，并通过交叉注意力关注RGB和深度的相关性。
50. GLTF格式简介 (Web3D领域JPG)
Miller777_的博客
09-28 791
GLTF格式是新2015发布的三维模型格式，随着物联网、WebGL、5G的进一步发展，会有越来越多的互联网项目Web端引入3D元素，你可以把GLTF格式的三维模型理解为.jpg、.png格式的图片一样，现在的网站，图片基本是标配，对于以后的网站来说如果需要展示一个场景，使用3D来替换图片表达也是很正常的事情。.bin文件中的信息其实就是对应gltf文件中的buffers属性，buffers.bin中的模型数据，可以存储在.gltf文件中,也可以单独一个二进制.bin文件。
【2023工业3D异常检测文献】PointCore: 基于局部-全局特征的高效无监督点云异常检测器
qq_1532145264的博客
09-28 1076
PointCore: Efficient Unsupervised Point Cloud Anomaly Detector Using Local-Global Features
【2023工业3D异常检测文献】CPMF: 基于手工制作PCD描述符和深度学习IAD结合的AD方法
最新发布
qq_1532145264的博客
10-03 954
Complementary Pseudo Multimodal Feature for Point Cloud Anomaly Detection
相互作用的检索增强 3D 分子生成扩散模型 - IRDiff 评测
wufeil7的博客
10-01 761
IRDiff 是一个全新的基于蛋白质-配体相互作用的检索增强 3D 分子扩散模型，可以生成目标感知的分子。IRDiff 利用一组设计好的参考配体分子来引导扩散模型生成满足目标特性的分子。 本文对 IRDiff 进行了评测，修正了GitHub上的代码错误，使用内置案例和自有案例对 IRDidd 进行分子生成测试，并检查生成结果。
GGHead：基于3D高斯的快速可泛化3D数字人生成技术
u012842807的专栏
09-28 416
GGHead是一种新型的3D头部生成和渲染技术，结合了3D生成对抗网络（GANs）和3D高斯渲染。该技术实现了显著的速度提升，无需使用2D超分辨率网络即可在实时生成并渲染1K分辨率的3D头部模型。GGHead不仅提高了生成效率，还确保了视图一致性，使得生成的3D头部模型更加逼真和自然。
扩散模型和3DGS结合
07-15
扩散模型与3D Generative Shape (3DGS) 结合，是指将扩散概率模型（Diffusion Models）应用于三维几何形状生成的一种技术。在传统的生成模型中，3DGS通常指的是利用基于图结构或体积网格的方法生成3D物体。然而，当两者结合起来，扩散模型的优势在于其连续性和可控的采样过程，能够生成高质量、细节丰富的3D形状。 具体来说，扩散模型可以用于控制噪声退化的速度，这样允许用户在生成过程中逐渐精细地控制形状的细节。3DGS提供了一个框架，允许将这种连续变化映射到三维空间中，如物体的曲率、边缘等特征。在训练时，模型会学习到一系列的3D形状分布，然后在生成阶段，通过反向过程从噪声中逐渐生成精细的3D形状。 这种结合使得生成的3D模型不仅具有高度的多样性，还能够在一定程度上保持现实世界物理一致性，比如物体的拓扑结构和形状合理性。
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