3D Gaussians
PulseAugur coverage of 3D Gaussians — every cluster mentioning 3D Gaussians across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Struct-GStream 利用3D高斯函数实现高效自由视角视频流传输
研究人员开发了Struct-GStream，一种使用结构化3D高斯函数进行高效自由视角视频（FVV）流传输的新方法。该方法解决了现有动态场景神经渲染技术中的实时渲染和高存储需求挑战。Struct-GStream采用动态锚点来模拟场景运动，并采用全局修补策略来处理缺失区域和新兴对象，从而在低比特率下实现快速训练和高质量渲染。
-
新的TOM-GS方法通过时域不透明度调制实现可编辑视频
研究人员推出了一种新方法TOM-GS，该方法利用具有时域不透明度调制的静态3D高斯来实现可编辑视频表示。该方法通过为每个高斯的不透明度分配可学习的时域均值和尺度，使静态空间组件能够平滑地淡入淡出场景。与依赖复杂空间变形的方法不同，TOM-GS保持了静态空间几何结构，这有利于更广泛的手动和基于物理的编辑，并确保与现有3D编辑工具的兼容性。
-
新方法为点云计算快速逐点符号距离
研究人员开发了一种计算点云符号距离的新颖方法，能够快速、高分辨率地评估近似底层表面。该技术涉及使用圆环体局部拟合点云，圆环体具有闭式符号距离函数，并使用预训练网络确定每点曲率和偏移参数。该方法绕过了昂贵的全局优化和空间离散化，提供了一个将符号距离与缠绕数和泊松表面重建统一起来的新理论框架。它可以应用于来自各种来源的点云，包括摄影测量和神经隐式，允许直接用于形态学操作和可视化等应用。
-
新的SAGO框架支持实时3D高斯分割
研究人员开发了SAGO（Segment Any Gaussians Online），一个旨在实现3D高斯样条（3DGS）场景实时交互式分割的新框架。与之前需要冗长场景设置时间的先前方法不同，SAGO通过使用虚拟无人机和马尔可夫过程将分割任务重新构建为在线最佳下一视图规划问题，从而消除了这一瓶颈。这种方法可以实现亚秒级分割，支持对象操作和场景编辑等应用，并比现有技术有显著的加速。
-
新AI管线从单张图像生成逼真3D化身
研究人员开发了FiCA，一个从单张肖像图像生成逼真3D化身的新颖系统。该管线结合了以人为中心的视觉基础模型和扩散模型，以从有限的视觉输入中重建完整的3D网格细节。前馈网格细化网络进一步提高了化身的保真度和身份保留能力，无需进行特定于个人的优化，最终将网格解码为实时可驱动的3D高斯化身，在视觉质量和身份表示方面均超越了当前方法。
-
新研究提升3D高斯溅射的效率和编辑能力
研究人员正在推进3D高斯溅射（3DGS）技术，以提高效率、准确性和编辑能力。新方法侧重于结合不确定性量化以实现更好的主动视图选择和场景重建，开发可证明的核集构造用于压缩，并增强具有一致性增强框架的以自我为中心的场景生成。此外，进展包括大规模场景的结构感知调度、动态场景的运动方差引导时间注意力、鲁棒的部件级编辑以及用于纹理操纵的内在分解。
-
新的GeoGS-CE方法提高了高移动性场景下的信道估计性能
研究人员开发了GeoGS-CE，一种用于高速铁路等高移动性场景下信道估计的新型两阶段框架。该方法利用场景级3D高斯表示和可微分无线渲染过程来模拟几何散射，并将其映射到延迟-波束功率谱。与现有的仅基于导频和非几何方法相比，由此产生的几何先验显著增强了信道响应重建，这已通过广深高铁数据的仿真得到证明。