针对训练和渲染慢的问题，提出 3DGS，同时保持了 NeRF 等方法的质量。通过利用 3D 高斯函数作为表示形式，利用显示 ( x , y , z , θ , ϕ ) (x,y,z,\theta,\phi) (x,y,z,θ,ϕ) 存储空间信息，基于神经网络的优化，进行高质量渲染，有更快的训练和实时性能。（静态场景）且各向异性能够拟合任意方向几何结构，相比球状 NeRF 优势。
3DGS系数，均值控制位置，旋转控制朝向（各向异性），协方差（尺度）控制三个主轴的大小，透明度作用域多高斯混合，也就是 3DGS 稀疏控制了场景的几何信息。而球谐系数表达的是颜色随视角的变化，是光照，材质效果。故而二者协同优化。
Method
目标是优化一种场景表示法，从无法向的 稀疏（SfM）点集开始，进行高质量新视图合成。
将几何建模为一组无需发现的三维高斯，以点（平均值） μ \mu μ 为中心，和协方差矩阵 ∑ \sum ∑ 定义： G ( x ) = e 1 2 ( x ) T ∑ − 1 ( x ) G(x)=e^{\frac{1}{2}(x)^T\sum^{-1}(x)} G(x)=e
最低0.47元/天 解锁文章
扫一扫
2456
到【灌水乐园】发言
