实体
Mip-NeRF 360
Mip-NeRF 360
PulseAugur coverage of Mip-NeRF 360 — every cluster mentioning Mip-NeRF 360 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
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。
-
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。