Mip-NeRF 360
PulseAugur coverage of Mip-NeRF 360 — every cluster mentioning Mip-NeRF 360 across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
RouteBridge框架增强NeRF和3D高斯泼溅的蒸馏
研究人员开发了RouteBridge，一个新颖的双向框架，旨在改进神经辐射场（NeRF）和3D高斯泼溅（3DGS）之间的蒸馏过程。该系统自适应地为每条光线选择教学方向，结合光度残差和几何证据，将监督从NeRF路由到3DGS，或反之亦然，或在必要时弃权。该框架取得了显著的改进，在mip-NeRF 360数据集上，NeRF和3DGS的导出分别达到28.56和28.77 dB，优于现有方法。
-
UniQueR框架通过稀疏3D查询推理推进3D重建
研究人员推出了一种新颖的、用于从无姿态图像进行3D重建的框架UniQueR。与先前仅限于可见表面的2.5D输出的前馈模型不同，UniQueR将重建视为一个稀疏3D查询推理问题。该方法学习一组3D锚点，这些锚点充当显式的几何查询，从而能够通过单次前向传播来推断场景结构，包括被遮挡的区域。与现有方法相比，该模型在Mip-NeRF 360和VR-NeRF等基准测试中展现出卓越的几何表达能力和更低的计算成本，并实现了高精度。
-
新的3DGART框架加速光线追踪高斯渲染训练
研究人员开发了3DGART，一种新的光线追踪高斯渲染训练框架，可显著加快该过程。通过将反向传播从以像素为中心的方法重新组织为以图元为中心的方法，3DGART减少了线程争用和串行化。与每像素基线相比，该方法在Mip-NeRF 360基准测试上实现了3-3.5倍的训练加速，并提高了质量，使得完全光线追踪的高斯训练成为可能。
-
GenRec模型分离重建和生成，用于新视角合成
研究人员推出了一种新颖的多视角流匹配模型GenRec，旨在改进生成式新视角合成。该模型明确地将重建与生成分开，解决了现有方法将单一损失用于两个过程的局限性。GenRec利用观测掩码和单目深度估计器来指导其架构，确保观测到的像素以高保真度进行重建，同时用合理的生成内容填充未观测区域。在RealEstate10K和DL3DV-10K等数据集上进行测试，GenRec在重建准确性和感知质量方面均优于先前的方法。
-
VoroTracing实现实时光线追踪速度，超越光栅化
研究人员开发了VoroTracing，一种新颖的可微分Voronoi光线追踪技术，实现了实时渲染速度，超越了传统的光栅化方法。这种新方法分析遍历长度和内存局部性等因素来优化场景表示和GPU执行。在Mip-NeRF 360等基准测试中，VoroTracing的吞吐量显著高于现有的基于光线的方法，甚至优于3D高斯泼溅，同时支持景深和滚动快门等复杂效果，而无需专门的光栅化。
-
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 …
-
新方法增强3D高斯样条压缩以抵抗丢包
研究人员开发了一种新方法，以提高3D高斯样条（3DGS）及其压缩方案在网络流式传输过程中抵抗丢包的能力。所提出的框架使用原子打包将单个锚点的所有属性分组在一起，确保丢包导致属性损坏而不是丢失锚点。在解码端，结合了图神经网络的上下文感知残差插值分支执行属性修复以重建场景。实验表明，与现有方法相比，在丢包情况下的渲染质量有了显著提高。
-
新框架通过自适应时间步长训练增强脉冲式 NeRF
研究人员开发了一个名为 PATA（基于预训练的自适应时间步长调整）的新框架，以提高脉冲式神经辐射场 (NeRF) 的效率。该方法允许进行特定于场景的自适应时间步长训练，而之前的模型使用固定的时间预算。PATA 将推理时间步长优化为可训练变量，在保持各种神经渲染表示具有竞争力的渲染质量的同时，将计算成本降低了高达 68.90%。
-
新方法通过选择性深度监督改进稀疏视图神经重建
研究人员开发了一种通过选择性应用单目深度监督来改进户外驾驶场景中稀疏视图神经重建的方法。该技术使用 Depth Anything V2 提供密集几何先验，将其与度量深度对齐，并通过从仅 RGB 的基线模型派生的光度掩码进行监督。该方法在 Splatfacto 场景表示的渲染质量和度量几何方面在 KITTISeq02 数据集上显示出显著改进，而对 Mip-NeRF-360 的改进仅为边际增益。
-
SkipGS方法将3D高斯泼溅训练速度提高了23%
研究人员开发了SkipGS，一种显著加快3D高斯泼溅（3DGS）模型训练速度的新方法。该技术侧重于优化后向传播，这是后期致密化细化阶段的主要瓶颈。通过自适应地跳过后向传播，以获得递减梯度效益的视图，SkipGS在Mip-NeRF 360基准测试中将训练时间缩短了23%以上，同时保持了相当的重建质量。这种即插即用的方法与其他效率策略兼容，可提供额外的加速。
-
3D 高斯泼溅技术在场景表示和编辑方面取得进展
研究人员正在通过新的方法改进 3D 高斯泼溅（3DGS）技术，以增强场景表示、编辑和压缩。创新包括用于更好地模拟非对称结构的偏态正态泼溅（Skew-Normal Splatting），以及用于生成一致的多房间 VR 游览的 PanoWorld。其他发展则侧重于用于自动驾驶的物理驱动场景编辑、3DGS 内容的美学评估以及 GETA-3DGS 等高效压缩技术。