sunflowers__k的博客

ETH等DepthSplat证明3DGS与Henderson估计任务是可相互促进提升的，并在多个数据集上同时取得深度估计和NVS任务的SOTA高斯点云绘制和单/多视角深度估计通常是独立研究的。在本文中，我们提出了DepthSplat来连接高斯点云绘制和深度估计，并研究它们之间的相互作用。具体来说，我们首先通过利用预训练的单目深度特征贡献了一个强大的多视角深度模型，从而实现高质量的前馈3D高斯点云绘制重建。

SIBR（System for Image-Based Rendering）是一个专为基于图像的渲染（Image-Based Rendering，简称 IBR）开发的系统。与传统的 3D 渲染不同，SIBR 依赖于从多个视角拍摄的2D图像数据，重建或合成出三维场景或物体的渲染效果。它广泛应用于计算机图形学、虚拟现实（VR）、游戏开发等领域，能够生成高质量的逼真渲染图像，而不依赖完整的三维几何模型。

CharacterGen提出了一种高效的从单图像生成3D角色的框架，通过多视图姿态规范化和3D重建，解决了复杂姿态下的生成难题，并且生成结果适合后续的动画和绑定应用。

Meta发布人体视觉基础模型，支持2D 姿态估计、身体部位分割、深度估计和表面法线预测四大任务，性能得到显著提高！项目链接： https://github.com/facebookresearch/sapiens论文链接： https://arxiv.org/abs/2408.12569