高斯泼溅的全面概述_高斯溅射技术(gaussian splatting)

        高斯泼溅是一种用于表示 3D 场景和渲染新颖视图的方法，在“实时辐射场渲染的 3D 高斯泼溅”中引入。它可以被认为是 NeRF² 类模型的替代品，就像当年的 NeRF 一样，高斯分布导致了许多新的研究工作，这些工作选择将其用作各种用例的 3D 世界的底层表示。那么它有什么特别之处以及为什么它比 NeRF 更好呢？或者甚至是这样？让我们来看看吧！

二、概说

        首先也是最重要的，这项工作的主要特点是渲染速度快，这一点从标题中就可以理解。这是由于下面将介绍的表示本身，以及使用自定义 CUDA 内核定制的渲染算法的实现。

        此外，高斯泼溅根本不涉及任何中性网络。甚至没有一个小的 MLP，没有任何“神经”，场景本质上只是空间中的一组点。这本身就已经很引人注目了。看到这种方法在我们痴迷于人工智能的世界中越来越受欢迎，研究公司追逐由越来越多的数十亿个参数组成的模型，真是令人耳目一新。它的想法源于“Surface splatting”（2001），因此它树立了一个很酷的例子，经典的计算机视觉方法仍然可以激发相关的解决方案。其简单而明确的表示使得高斯泼溅特别易于解释，这是在某些应用中选择它而不是 NeRF 的一个很好的理由。

三、代表 3D 世界

        如前所述，在高斯喷射中，3D 世界由一组 3D 点表示，实际上有数百万个，大约为 0.5-50 万个。每个点都是一个 3D 高斯分布，具有自己独特的参数，这些参数适合每个场景，以便该场景的渲染与已知的数据集图像紧密匹配。优化和渲染过程将在稍后讨论，因此让我们暂时关注必要的参数。

图 2：高斯中心（平均值）[来源：取自 Dynamic 3D Gaussians⁴]

每个 3D 高斯均通过以下参数化：

• 平均μ可解释为位置 x、y、z；
• 协方差Σ；
• 不透明度σ(
  声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/羊村懒王/article/detail/302719