Gaussian splatting
PulseAugur coverage of Gaussian splatting — every cluster mentioning Gaussian splatting across labs, papers, and developer communities, ranked by signal.
- instance of CatalyzeX 90%
- used by Gotit.pub 90%
- uses Simultaneous localization and mapping 90%
- instance of alphaXiv 70%
- instance of ScienceCast 70%
- instance of Gotit.pub 70%
- used by alphaXiv 70%
- used by ScienceCast 70%
- used by CORE Recommender 70%
- competes with Nerf 70%
- used by CatalyzeX 70%
- developed Simultaneous localization and mapping 70%
11 天有情绪数据
-
新研究增强了动态场景和挑战性条件下的3D高斯溅射 · 跟踪9个来源
研究人员正在推进3D高斯溅射（3DGS）技术，以提高各种应用中的重建质量和效率。GCA和GaussVid等新方法专注于学习隐式物理定律，并利用视频扩散模型进行更好的稀疏视图重建。LagrangeGS和NemoSplat等其他方法则通过结合拉格朗日力学和面向介质的预测器，旨在增强动态场景外推和水下重建。此外，RobustGS和FaCT-GS等进展正在提高3DGS在低质量条件下的鲁棒性，并加速其在计算机断层扫描等领域的应用。
-
新方法增强机器人领域 VLA 策略的效率和鲁棒性 · 跟踪 4 个来源
研究人员开发了新方法来提高机器人领域视觉-语言-动作 (VLA) 策略的效率和鲁棒性。一种方法 EXIMO 使用视觉-语言模型 (VLM) 作为规划器，将复杂任务分解为更小的步骤，从而实现更高效的微调和数据收集。另一种方法 GS-VLA 采用高斯溅射技术，在无需重新训练的情况下使冻结的 VLA 策略适应视角变化，显著提高了性能鲁棒性。此外，Prism-GRPO 通过纳入轨迹级别的执行质量分数来增强策略优化，减少了对大量机器人滚动的需求…
-
新研究利用新方法解决稀疏视图三维重建问题 · 已追踪 2 个来源
两篇新研究论文《已知光照下稀疏视图的三维重建》和《GeoRect4D: 几何兼容的生成式校正用于动态稀疏视图三维重建》提出了从有限视觉数据进行三维场景重建的新方法。第一篇论文介绍了一种使用带有不透明度的 beta surfels 和可微分光传输的方法，以比现有方法更少的图元实现精确几何。第二篇论文 GeoRect4D 将显式三维一致性与使用扩散模型的生成式精炼相结合，以重建动态场景，解决了几何崩溃和时间不一致等问题。
-
LaGSplat框架从视频推断受物理约束的模拟
研究人员开发了LaGSplat，一个新颖的框架，可以从单目视频中推断受物理约束的交互式模拟。该系统允许用户对拍摄的物体施加外力，从而能够实时渲染它们在2D或3D中的响应。LaGSplat利用一个潜在状态，该状态既是学习到的耗散拉格朗日的广义坐标，又是高斯泼溅解码器的条件变量，使其能够将图像空间力转换为运动方程的广义力。
-
MotionGS-SLAM 利用事件相机解决机器人中的运动模糊问题
研究人员开发了MotionGS-SLAM，一个新颖的同时定位与地图构建（SLAM）系统，通过在其渲染管线中对模糊形成进行建模，有效处理运动模糊。与试图去除模糊的传统方法不同，MotionGS-SLAM利用事件相机捕捉精确的运动线索并自适应地调制高斯核。这种方法将2D高斯投影转换为与运动对齐的笔触，并调整曝光采样，从而在严重的运动条件下也能联合优化相机轨迹和3D场景几何。
-
新的基于斑点的方法可减少CT扫描中的金属伪影
研究人员开发了一种新的方法，用于减少锥束计算机断层扫描（CBCT）扫描中的伪影，特别是金属植入物引起的伪影。这种新颖的方法利用了集成在高斯斑点（Gaussian Splatting）框架内的受物理启发的自校准技术。它通过结合多色X射线投影模型和材料依赖的衰减曲线来解决束硬化伪影问题，无需手动金属掩模。该方法还在训练期间优化了X射线光谱特性，并在伪影抑制和重建精度方面展示了优于现有最先进方法的性能。
-
SplitGaussian框架改进动态3D场景重建
研究人员推出SplitGaussian，一个旨在从单目视频中改进动态3D场景重建的新框架。与之前结合静态和动态场景元素的方法不同，SplitGaussian明确地分离了这些组件。这种解耦可以防止静态区域的运动伪影，并提高时间一致性和重建保真度。与现有的最先进方法相比，该方法在渲染质量、几何稳定性和运动分离方面表现出卓越的性能。
-
XClipGS 方法通过精确裁剪增强医疗体积渲染
研究人员开发了 XClipGS，一种用于医疗体积高斯泼溅的精确半空间裁剪的新颖方法。该技术通过精确裁剪解剖结构，实现了体积医学扫描的交互式渲染，而传统泼溅方法在这方面存在困难。与现有方法相比，XClipGS 实现了卓越的图像质量和显著更快的渲染速度，同时在各种医学成像数据集上还表现出更少的泄漏和更高的保真度。
-
TRACE 方法优化主动场景重建轨迹
研究人员开发了 TRACE，一种新颖的主动场景重建方法，可优化传感器轨迹以更好地收集信息。与先前孤立地选择下一个最佳视图的贪婪方法不同，TRACE 将重建视为一个遍历覆盖问题。该方法旨在将传感器路径的时间平均空间统计数据与从当前地图派生的目标信息分布相匹配，从而实现更高效的传感。在 Replica 数据集上的评估表明，TRACE 比现有的 Next-Best-View 基线提高了 1.5 dB 的 PSNR。
-
新的CDSeg方法将2D图像标签迁移到3D环境
研究人员推出了一种新颖的CDSeg方法，用于将2D图像分割标签迁移到3D环境。该方法利用高斯图元作为可渲染载体，无需进行特定任务的3D分割训练。CDSeg能够快速处理包含数百万个图元的场景，并在DesktopObjects-360和NeRDS-360等基准测试中表现出色，取得了高mIoU分数。
-
新的CLEAR框架统一了3D高斯超分辨率
研究人员推出CLEAR，一个新颖的单阶段框架，旨在改进稀疏视图3D高斯泼溅超分辨率。该方法通过在统一的高斯表示中联合优化低分辨率观测和高分辨率先验，解决了传统两阶段管线的局限性。CLEAR采用高斯感知冲突感知优化策略来管理训练冲突，并通过证据引导的路由机制来恢复高频细节，在超分辨率基准测试中展示了最先进的结果。
-
新方法支持从 3D 高斯泼溅场景创建结构化资产
研究人员开发了 Manifold-GS，一种从 3D 高斯泼溅 (3DGS) 场景创建结构化资产的新颖方法。与传统的 3DGS 不同，Manifold-GS 将外观不透明度与几何质量分开，并将类表面高斯表示为离散的无定向 varifold。这种方法允许导出置信度认证的开放表面块，同时将未认证的内容保留为残差泼溅，从而提高了 3D 场景作为结构化资产的可用性。
-
新研究推进3D高斯泼溅的效率和应用
近期关于3D高斯泼溅的研究正在探索高效表示和处理复杂3D场景的方法。论文介绍了无相机剪枝、分层上下文聚合以及从稀疏视图中选择对象等技术。此外，在动态场景重建、通信的环境感知波束成形以及在线场景的流式3D高斯泼溅方面也取得了进展。
-
PanoLess 框架从部分反射视图重建环境
研究人员开发了 PanoLess，一个利用高斯泼溅技术从反射表面一侧拍摄的图像重建周围环境的新框架。该方法利用表面对齐的二维高斯泼溅和延迟着色来准确确定每像素法线和反射线索。然后，系统将此信息融合到环境的神经立方体贴图表示中，同时生成一个可见性图，指示哪些区域由部分观测支持。与现有的反射感知高斯泼溅技术相比，PanoLess 在视图不完整的情况下表现出更优越的性能，并且已在真实世界反射捕获中得到验证。
-
新框架实时重建无线辐射场
研究人员开发了CORF-GS，一个用于实时无线辐射场（WRF）重建的新型框架。该方法通过使用具有共享几何和特定模态外观的统一高斯表示来整合光学和射频（RF）数据。CORF-GS利用高分辨率光学图像指导WRF重建，然后通过耦合光学-射频优化进行精炼，使共享高斯表示能够适应光学结构和射频功率分布。与现有方法相比，该方法显著将重建时间缩短了6.4倍，并实现了最先进的射频频谱合成质量。
-
PanoLess 框架从部分反射视图重建环境
研究人员开发了 PanoLess，一个新颖的框架，可以从仅在一侧反射表面上捕获的图像重建周围环境。该方法利用表面对齐的二维高斯泼溅和延迟着色来准确恢复每像素法线和反射线索，然后将它们集成到神经立方体贴图表示中。PanoLess 旨在克服现有方法通常需要 360 度全覆盖并且难以处理不完整视图的局限性，展示了从部分视图输入进行高保真环境重建的能力。
-
新的LAGS方法使用图学习进行高效的3D无人机场景重建
研究人员开发了LAGS（LAGS），一种使用航拍无人机图像进行3D场景重建的新方法。为了解决资源分配效率低下的问题，他们提出了一种分组异构图神经网络（GW-HGNN）。该模型明确考虑了不同图像组对重建过程的不同贡献，平衡了数据保真度和传输成本。实验表明，带有GW-HGNN的LAGS在性能上显著优于现有基准，并将计算延迟降低了约100倍（与MOSEK求解器相比）。
-
GLAM-SLAM: 实时高斯SLAM用于大规模场景
研究人员开发了GLAM-SLAM，一种使用高斯泼溅（Gaussian splatting）进行大规模单目同步定位与建图（SLAM）的新型实时系统。该系统通过采用解耦方法，结合用于跟踪的基于特征的SLAM前端和用于建图的结构化锚点网格，解决了现有方法的局限性，从而实现了长序列的可扩展性和场景连贯性。GLAM-SLAM引入了基于几何的流致密化策略进行密集初始化，以及一种带有MLP初始化的场景划分方法进行局部高斯生成，在具有挑战性的数据集上…
-
OmniStyle-INR 实现视觉数据的通用风格迁移
研究人员推出 OmniStyle-INR，一个专为各种视觉数据类型实现通用和多模态风格迁移的新框架。该方法利用隐式神经表示 (INR) 来处理二维图像、视频、三维场景和四维动态，在数据压缩和超分辨率方面具有优势。OmniStyle-INR 支持通过文本提示和视觉示例进行高质量风格迁移，为依赖高斯泼溅法处理这些连续域的方法提供了一种替代方案。
-
新的三维语言场方法通过歧义感知增强物体检索
研究人员开发了 SaaF（场景特定、歧义感知的三维语言场），一种使用高斯泼溅（Gaussian Splatting）在真实场景中进行交互式物体检索的新方法。SaaF 解决了现有三维语言场方法的局限性，例如降低可辨别性的特征压缩和对模糊查询处理不佳的问题。该系统采用度量学习创建一个统一的特征空间，增强了视觉辨别能力和对查询歧义的感知能力，使其能够在必要时请求澄清。实验表明，SaaF 在开放词汇设置中提高了检索准确性，并能稳健地处理模糊的用户查询。