GSplat项目v1.5.2版本发布：3D高斯泼溅技术的重要升级

GSplat项目v1.5.2版本发布：3D高斯泼溅技术的重要升级

gsplat CUDA accelerated rasterization of gaussian splatting 项目地址: https://gitcode.com/gh_mirrors/gs/gsplat

GSplat是一个基于3D高斯泼溅（Gaussian Splatting）技术的开源项目，它能够高效地渲染和重建3D场景。3D高斯泼溅是一种新兴的3D表示方法，通过使用数百万个可学习的高斯分布来表示场景，相比传统的NeRF等方法具有更快的渲染速度和更好的视觉效果。

核心功能升级

本次v1.5.2版本带来了多项重要改进：

1. 3DGUT集成：新增了对畸变相机和滚动快门(Rolling Shutter)的支持。这意味着现在可以处理更多真实世界中的相机拍摄场景，特别是使用手机等消费级设备拍摄的视频素材。

2. 2DGS相机梯度支持：2D高斯泼溅现在支持相机姿态的梯度计算，这使得在训练过程中可以同时优化相机参数和场景表示，提高了重建的准确性。

3. 完整NeRF风格查看器：集成了与nerfstudio风格一致的完整查看器，为用户提供了更直观、更专业的场景可视化工具。

技术细节优化

除了上述主要功能外，本次更新还包含了许多技术细节的优化：

• 修复了PyPI包的上传问题，确保用户能够顺利安装
• 改进了边界框计算算法，使其更加高效
• 修正了保存PLY文件时的无效掩码问题
• 提升了查看器的远平面限制，支持更大范围的场景
• 统一使用了C++17标准进行编译
• 在简单训练器中暴露了学习率参数，方便用户调整

开发者体验改进

对于开发者而言，这个版本也做了多项改进：

• 更新了nerfview依赖
• 修复了与最新版PyTorch(2.7.0+)的兼容性问题
• 修正了文档中的拼写错误
• 优化了工作流程配置

应用前景

这些改进使得GSplat在以下场景中更具优势：

1. 移动设备采集的场景重建：得益于对畸变相机和滚动快门的支持，现在可以更好地处理手机拍摄的素材。

2. 动态场景捕捉：相机梯度支持使得在运动过程中拍摄的场景重建更加准确。

3. 大规模场景可视化：改进后的查看器能够更好地展示大型3D场景。

GSplat项目通过这些持续的技术迭代，正在成为3D重建和渲染领域的一个重要工具，为计算机视觉和图形学研究者提供了强大的技术支持。

gsplat CUDA accelerated rasterization of gaussian splatting 项目地址: https://gitcode.com/gh_mirrors/gs/gsplat