scott198512-优快云博客

原创 3D Gaussian Splatting 数学原理与推导

3D Gaussian Splatting源于EWA的理论基础，本文重点从EWA模型出发，详细推导3D GS中的数学原理，加深对鱼眼相机畸变场景下的理解。

2025-02-22 13:43:33 3298

原创 3D Gaussain splatting 的训练提速

3DGS 作为一项先进的 3D 场景渲染技术，备受瞩目，尤其因其高质量的输出和场景重建的自动化而备受推崇。然而，其计算需求巨大，在低功耗、资源受限的边缘设备（例如 NVIDIA Jetson Orin NX）上实时执行并不切实际。此前加速 3DGS 的工作通常依赖于构建专用硬件加速器，这增加了成本和复杂性。本文的核心思想是利用和增强现有的 GPU 光栅化器，充分利用其在三角形网格渲染方面的既有效率，而不是开发新的硬件。该方法首先对 3DGS 渲染管线进行广泛分析，以识别性能瓶颈。

2025-10-09 14:24:43 477

原创 VAE与flow-based-model雅可比矩阵的特殊化

VAE中重参数化雅可比矩阵的计算

2025-10-08 17:31:18 96

原创扩散模型之（八）Rectified Flow

Rectified Flow通过将噪声与数据平滑连接的插值过程进行因果化（或整流）来学习作为生成模型的常微分方程（ODE）。该方法天然偏好具有更笔直轨迹的动态特性，因此可实现快速欧拉离散化，并且可通过迭代进一步改善轨迹的笔直度。

2025-09-16 23:55:53 400

原创扩散模型之（十一）U-Net与Transformer在扩散模型中的比较

扩散模型backbone说明：U-Net与DiT，同时给出了diffusion模型使用U-Net的几种主流观点。

2025-09-16 13:19:34 633 1

原创扩散模型之（五）基于概率流 PF-ODE方法

本文分析SDE方法的一个特例即去除随机项得到的ODE方法。

2025-09-14 11:32:15 167

原创 GSFix3D

提出一种微调机制，修复3D GS NVS 缺陷，在2D层面利用扩散模型修复有瑕疵的新视角渲染，然后将这些修复后的、更完美的2D图像作为新的“监督信号”，反过来优化底层的3DGS表示。

2025-09-02 15:26:40 1015

原创 DriveDreamer-2

DriveDreamer-2 通过结合大型语言模型（LLM）、扩散模型的优势以及创新的统一多视图表示方法。

2025-08-31 19:03:45 1176

原创 ReconDreamer++

旨在提升渲染质量，解决模型生成的合成数据与真实世界传感器观测数据之间存在的领域差距问题。改进模型丰富了渲染场景的内容，提高了场景的保真度，特别是地面纹理的保真度。

2025-08-31 18:05:33 929

原创 DreamForge

文章提出 DreamForge 模型，实现更好的可控性、可扩展性和连贯性，生成具有几何和上下文准确性的 3D 可控且可扩展的视频，以支持自动驾驶模拟。

2025-08-31 12:24:55 362

原创 DriveDreamer4D

如图1所示，实验结果表明DriveDreamer4D显著提升了新轨迹视角的生成保真度，与PVG[9]、S3Gaussian[28]和Deformable-GS[74]相比，FID指标分别实现32.1%、46.4%和16.3%的相对提升。综合用户研究显示，相较于三个基线模型，DriveDreamer4D的平均胜率超过80%。（2）设计NTGM模块自动生成结构化条件，使框架能创建具有复杂机动且保持时空一致性的新轨迹视频，并引入CDTS策略融合时序对齐的真实与合成数据训练4DGS，通过正则化损失保持感知一致性；

2025-08-30 18:47:17 226

原创 ReconDreamer

提出渐进式数据更新策略（PDUS），逐步修复伪影来确保大型机动场景的高质量渲染。PDUS策略通过渐进式融合世界模型知识，有效降低了视频修复的复杂度，达到大幅视角偏移（如跨越多车道、跨度达6米）的效果。

2025-08-30 18:44:26 337

原创 Delphi

一种新的生成模型，引入噪声重新初始化模块与特征对齐时间一致性模块解决长时序多视角一致性问题，进一步结合failure案例驱动验证碰撞率下降。

2025-08-30 18:41:15 588

原创 BEV-VAE

训练一个多视图图像变分自编码器（VAE），将多视图图像编码到紧凑的 BEV 潜在空间中，再将其解码回具有一致性的多视图图像。在已学习的 BEV 潜在空间中训练一个去噪扩散 Transformer（DiT），该 Transformer 能从噪声中生成 BEV 潜在表示，随后由预训练的 VAE 解码器将这些表示解码为多视图图像。

2025-08-30 18:38:42 356