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
-
DecoGS 方法通过自适应更新改进 3D 视频流传输
研究人员开发了 DecoGS，一种用于从视频高效流式传输 3D 重建的新颖方法。与更新 3D 场景中每个元素之前的方法不同，DecoGS 智能地将优化重点放在有运动或变化的区域。这种自适应策略可防止静态区域闪烁和漂移，确保时间连贯性和更小的内存占用。与现有方法相比，该系统在基准数据集的 PSNR 指标上表现出卓越的性能，并实现了高渲染速度，同时显著减少了时间闪烁。
-
新的3D点绘制渲染器推进了毫米波雷达新视角合成
研究人员开发了3D点绘制（3DPS），这是一种新颖的可微分点渲染器，专门用于毫米波雷达新视角合成。这种新方法通过物理保真、复数值和多视角可处理性来解决现有技术的局限性。与光学新视角合成基线相比，3DPS取得了卓越的性能，在室外场景中的相关性提高了1.7倍至5.2倍，在RTX 4090上的训练时间约为每场景三分钟。
-
新的逆向渲染方法使用线段处理模糊几何体
研究人员开发了一种新的逆向渲染方法，该方法使用显式线段来重建模糊几何体，克服了当前如3D Gaussians等体积图元方法的局限性。该方法在亚像素网格上光栅化线段以进行抗锯齿，从而实现半透明外观并与标准图形管线无缝集成。该方法利用随机可微分光栅化器为顶点位置和属性的优化生成梯度，在依赖显式几何体的同时，实现了与体积表示相媲美的质量。
-
VersaGauss框架利用3D高斯实现逼真的多相动力学模拟
研究人员推出VersaGauss，一个专为生成和模拟具有多相交互的复杂3D动态场景而设计的新型框架。该系统以少量图像作为输入，可生成涉及流体、橡胶、沙子和雪等各种材料的逼真、由物理驱动的场景。关键创新包括用于优化高斯核分布的粒子修剪算法以及用于模拟多相交互的耦合多相点方法（CMPM），该方法通过谐波插值和用于逼真流体渲染的高斯演化策略得到增强。
-
AvatarDynamizer 将静态 3D 化身转换为动态 4D 版本
研究人员开发了 AvatarDynamizer，这是一种新颖的生成方法，旨在将静态 3D 化身转换为动态、逼真且多视图一致的 4D 化身。该方法通过将姿态相关的表面动力学嵌入到动态纹理贴图中，克服了现有方法的局限性，使其能够与预先训练的视频扩散模型兼容。该系统将这些纹理解码为 3D 高斯以进行渲染，并收集了一个新的大规模数据集来支持其训练和评估。
-
SplatGuide 使用 3D 高斯实现无姿态新视角合成 · arXiv
研究人员推出 SplatGuide，一种从无姿态图像生成照片级新视角的新方法。该方法利用 3D 高斯的几何先验，重用单个 3D 高斯泼溅 (3DGS) 场景以扮演多种角色。渲染图像提供几何条件，每个高斯源视图索引实现遮挡感知的参考选择，重建令牌提供特征级引导。SplatGuide 在多个基准测试中取得了最先进的成果，包括 RealEstate10K、DL3DV、Tanks-and-Temples 和 Mip-NeRF 360，甚至在 …
-
新框架统一3D场景理解与生成，助力自动驾驶 · 追踪2个来源
研究人员开发了两个新框架USR-Drive和GaussianDWM++，它们统一了自动驾驶的3D场景理解和生成。USR-Drive使用扩散Transformer联合去噪3D高斯基元和边界框，从而改进了几何重建和物体检测。GaussianDWM++引入了一个语言驱动的3D高斯驾驶世界模型，通过将视觉-语言特征蒸馏到3D高斯基元中，实现了场景理解、编辑和多模态生成。
-
最新研究推动人工智能和自动驾驶的3D场景生成
两篇最新的arXiv论文探讨了3D场景生成领域的进展，该领域对于自动驾驶和虚拟现实等应用至关重要。第一篇论文是一篇综述，将当前方法分为程序化生成、基于神经3D的生成、基于图像的生成和基于视频的生成，并强调了挑战和未来方向。第二篇论文介绍了OMEGA，一个使用优化引导扩散来增强场景生成的可控性和真实感的框架，特别是在创建安全关键型驾驶场景方面。
-
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。