Gaussian primitives
PulseAugur coverage of Gaussian primitives — every cluster mentioning Gaussian primitives across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
MacroGS 通过共享高斯基元改进光场超分辨率
研究人员开发了 MacroGS,这是一种新颖的前馈解码器,专为任意尺度光场超分辨率而设计。该方法通过联合预测每个宏像素的单个共享高斯集,而不是为每个视图生成单独的集,从而解决了现有高斯基元方法的冗余问题。这项创新使得基元数量可以独立于视图数量和请求的尺度,从而在各种基准测试中实现显著的加速和改进的重建质量。
-
Anthropic 提交 IPO 申请,披露强劲收入和算力承诺 · 跟踪 3 个来源
Anthropic 已提交 IPO 申请,披露了显著的收入增长和首次实现营业利润,但同时也承担着重大的长期算力承诺。该公司计划在纳斯达克上市,股票代码为"ANT",并旨在通过特殊治理结构保持创始人控制权。与此同时,研究论文探讨了大语言模型在区分可能语言和不可能语言方面的局限性,以及 3D Gaussian Splatting 在紧凑场景表示和开放词汇理解方面的进展。
-
SplatFlux 框架能够从视频潜在表示进行 4D 场景重建与生成
研究人员推出 SplatFlux,一个用于从视频潜在表示重建与生成 4D 场景的新颖框架。该方法采用前馈式方法和解耦的 4D 高斯表示,以区分静态场景元素和动态运动。采用辅助蒸馏策略来学习这种分解和运动,而无需大量手动标注,在 3D 和 4D 重建与生成任务中取得了最先进的成果。
-
新的MRI技术使用高斯溅射进行运动估计
研究人员开发了一种新颖的自由呼吸腹部MRI算法,该算法可同时重建图像和估计运动。这种称为DoReMe的方法使用高斯基元表示呼吸运动,并将高斯溅射集成到迭代重建过程中。在健康志愿者身上进行的测试表明,与传统的压缩感知重建相比,DoReMe在缩短的采集时间内显示出改善的视觉图像质量和更好的解剖结构保留。
-
新方法实现语言引导的3D高斯头像语义编辑
两篇新的研究论文ChromaGS和ManifoldSplat介绍了使用自然语言对3D高斯头像进行语义编辑的方法。ChromaGS通过为高斯图元增加语义区域分配来实现实时颜色编辑,允许用户在不重新训练的情况下修改颜色。ManifoldSplat通过在FLAME流形内操作来解决形状编辑问题,以保持身份和动画,使用解耦的CVAE来处理形状差异,并实现快速重建和编辑时间。
-
新的GS-Net模块通过更快的3DGS提升自动驾驶数据重用性
研究人员开发了GS-Net,一个旨在增强不同自动驾驶车辆间数据重用性的新型模块。该即插即用系统聚合了来自稀疏运动恢复(Structure-from-Motion)点云的几何上下文,并将其扩展为密集的高斯图元,从而为3D高斯泼溅(3D Gaussian Splatting)实现更快、更具泛化性的初始化。GS-Net显著提高了内插和外插视图的渲染质量,解决了目标相机视角位于训练相机凸包之外的、研究不足的外插区域问题。为了便于评估,该团队还…
-
新的MRI技术使用高斯基元校正失真
研究人员开发了一个新的物理信息框架,用于校正扩散MRI数据中的几何失真。该方法直接从k空间数据中联合估计磁场(B0)和无失真图像,绕过了可能引入伪影的中间重建步骤。通过将图像和B0场表示为高斯基元并利用旋转视场EPI采集,该框架提高了准确性,尤其是在高b值和加速因子下,其性能优于顺序校正方法。
-
SplatWeaver 动态分配高斯基元以实现新视角合成
研究人员开发了 SplatWeaver,一个用于可泛化新视角合成的框架,该框架动态分配高斯基元。与之前每像素使用固定数量基元的方法不同,SplatWeaver 采用基数高斯专家和像素级路由方案,根据场景复杂度自适应地确定基元分配。这种方法允许在细节区域使用更多基元,在平滑区域使用更少基元,从而以更高的效率实现更忠实的渲染。
-
神经场景实现统一的无线电仿真和视图合成
研究人员开发了一个新颖的框架,将可微分光线追踪与高斯图元相结合,实现了神经场景内无线电传播和视图合成的统一仿真。该方法可以直接从视觉重建的神经表示中计算点对点路径及其相关的电磁特性,无需手动构建网格。该系统利用高斯泼溅技术进行高保真视觉渲染,同时提取具有物理意义的信道冲激响应,展示了神经重建作为多功能空间表示的潜力。