PulseAugur
实时 08:55:34
English(EN) GAINS: Gaussian-based Inverse Rendering from Sparse Multi-View Captures

新的GAINS框架使用基础模型进行稀疏视图正向渲染

研究人员开发了GAINS,一个新颖的两阶段正向渲染框架,它利用基础模型来改进从稀疏多视图捕获中估计的材质和几何。该方法通过整合单目深度、法线和用于几何精炼的扩散先验,然后进行分割、内在图像分解和用于材质恢复的扩散先验,来稳定过程。实验表明,GAINS显著提高了材质参数、重新照明和新视图合成的准确性,特别是在传统方法难以处理歧义的稀疏视图场景中。 AI

影响 这项研究可能导致从有限的视觉数据中进行更鲁棒的3D重建和材质恢复,影响虚拟现实和计算机图形学等领域。

排序理由 该集群包含一篇详细介绍新正向渲染方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GAINS框架使用基础模型进行稀疏视图正向渲染

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Patrick Noras, Jun Myeong Choi, Didier Stricker, Pieter Peers, Roni Sengupta ·

    GAINS:基于高斯稀疏多视图捕获的逆向渲染

    arXiv:2512.09925v2 Announce Type: replace Abstract: Recent advances in Gaussian Splatting-based inverse rendering extend Gaussian primitives with shading parameters and physically grounded light transport, enabling high-quality material recovery from dense multi-view captures. Ho…