- 博客(7)
- 收藏
- 关注
RSS订阅原创 3DGS论文中文版（理论部分）
最近，辐射场方法彻底改变了使用多张照片或视频捕获的场景的新视角合成技术。但是，要达到高视觉质量，仍然需要训练和渲染成本很高的神经网络。而最近一些速度更快的方法则不可避免地在速度和质量之间做出权衡。对于完整场景（而不仅仅是孤立的物体）以及1080p分辨率的渲染，目前还没有方法能够实现实时显示速率。我们引入了三个关键部分，使我们能够在保持竞争力的训练时间的同时，实现最先进的视觉质量，并且重要的是，允许在1080p分辨率下进行高质量的实时（每秒≥30帧）新视角合成。
2024-09-16 20:28:58
2285
原创 Mip-NeRF 360与Zip-NeRF的直方图损失函数详解
Mip-NeRF 360 的直方图损失函数如下：其中戴帽子的变量表示NeRF MLP采样的结果，不戴帽子的变量表示proposal MLP采样的结果，损失函数值值越大，表明两个MLP采样结果差别越大，即两个MLP产生的直方图差异越明显。由公式13可知，当时认为存在损失，即当时损失才不为0.由公式12的求和条件可知，函数表示的是与区间重叠的区间对应的权重之和. 由上面的描述可以画出下图：图中红色阴影部分面积对应，黑色阴影部分面积对应如果红色面积大于黑色面积，则可以计算损失：；其中。
2024-08-30 20:06:31
301
原创 4DGS简要笔记
传统的3DGS只能生成静态的多视角图片，本文在此基础上更进一步，生成动态的多视角视频，即在一个流畅的视频中，观看者可以自由变换观看视角。其渲染帧率为82FPS，硬件设备是RTX3090 GPU.
2024-08-12 10:47:48
707
原创 nerf++简要笔记
把世界分为前景和背景，前景部分就是中心物体，包在一个球面内，背景部分在球面外。对于球内前景，采样和渲染过程和传统nerf完全一样，nerf++的主要工作在于对背景的渲染。对于1/r从0到1/R均匀取样，可以根据一定的公式计算出p点的位置和其变换后的坐标(x',y',z',1/r)。对于背景采样，nerf++采用逆球面重参数化，即坐标变换，将世界坐标系或相机坐标系下的坐标(x,y,z)映射为(x',y',z',1/r)。其中(i)是前景颜色，(iii)是背景颜色，(ii)是背景不被前景遮挡的概率。
2024-02-28 16:43:40
637
1
原创 3D Gaussian Splatting 简要笔记
相较于传统nerf，3DGS存储特定点（这些点与中心物体密切相关）的球谐函数而不是用mlp存储空间中每个点颜色和透明度。渲染时，不是采用从像素点引出射线的方式而是采用压缩变换的方式，把整个空间压缩到以成像平面为低面的长方体中。3DGS存储特定点的球谐函数，并且认为以这些点为中心，周围的点的颜色与中心点相同的概率成高斯分布。
2024-02-28 11:01:31
586
1
原创 集成经验模态分解（EEMD）
EEMD可以将序列分解为几个频段范围不同的子序列，这些子序列之和是原序列。EEMD方法的本质是一种叠加高斯白噪声的多次经验模式分解，利用了高斯白噪声具有频率均匀分布的统计特性，通过每次加入同等幅值的不同白噪声来改变信号的极值点特性，之后对多次EMD得到的相应IMF进行总体平均来抵消加入的白噪声，从而有效抑制模态混叠的产生。简单来说，为了抑制模态混叠，EEMD首先在信号中加入高斯白噪声，然后对信号进行EMD分解。输入：输出：IMF序列集合和残差。
2023-12-01 19:41:14
2223
3
空空如也
自己改了一段cuda代码后，返回到 pytorch中的值错误
2025-03-20
为什么3DGS会出现这样的渲染结果？
2024-09-29
多尺度3DGS方面有什么推荐的论文吗？
2024-09-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人