V
主页
[3DGS进展] UT Austin,厦门大学提出LightGaussian,装饰3D高斯表达为更高效和紧凑的格式,存储效能提升15倍,渲染达120fps
发布人
LightGaussian: Unbounded 3D Gaussian Compression with 15x Reduction and 200+ FPS Zhiwen Fan, Kevin Wang, Kairun Wen, Zehao Zhu, Dejia Xu, Zhangyang Wang University of Texas at Austin、厦门大学 项目主页:https://lightgaussian.github.io/ Recent advancements in real-time neural rendering using point-based techniques have paved the way for the widespread adoption of 3D representations. However, foundational approaches like 3D Gaussian Splatting come with a substantial storage overhead caused by growing the SfM points to millions, often demanding gigabyte-level disk space for a single unbounded scene, posing significant scalability challenges and hindering the splatting efficiency. To address this challenge, we introduce LightGaussian, a novel method designed to transform 3D Gaussians into a more efficient and compact format. Drawing inspiration from the concept of Network Pruning, LightGaussian identifies Gaussians that are insignificant in contributing to the scene reconstruction and adopts a pruning and recovery process, effectively reducing redundancy in Gaussian counts while preserving visual effects. Additionally, LightGaussian employs distillation and pseudo-view augmentation to distill spherical harmonics to a lower degree, allowing knowledge transfer to more compact representations while maintaining reflectance. Furthermore, we propose a hybrid scheme, VecTree Quantization, to quantize all attributes, resulting in lower bitwidth representations with minimal accuracy losses. In summary, LightGaussian achieves an averaged compression rate over 15x while boosting the FPS from 139 to 215, enabling an efficient representation of complex scenes on Mip-NeRF 360, Tank and Temple datasets.
打开封面
下载高清视频
观看高清视频
视频下载器
【厦门大学】(下集)20240628直击2024级毕业典礼现场(录屏回放)
[3DGS几何优化]上科大、图宾根大学提出2DGS,一种从多视图图像中建模和重建几何精确辐射场的新方法,解决3DGS几何一致性差的问题
[3D生成] 港科大、LightIllusions等提出CraftsMan(匠心),使用3D原生diffusion生成高质量3D网格,也可支持可交互的网格生成
[3DGS大规模场景] 3DGS原作者在大规模场景高斯层次细节表达新工作,可达到覆盖数公里的超大规模数据集上的实时渲染
[3DGS] 南开大学实时新视图合成、HDR 渲染、重新聚焦和色调映射更改,相比体渲染,训练速度缩短至1%,2K分辨率渲染提升4000倍
[大佬讲paper第三期] 腾讯AI实验室胡文博大佬讲神经渲染中的Anti-Aliasing问题,以及SIG24中的新作Rip-NeRF等相关工作
[逆渲染] 南洋理工、浙大、商汤等提出MIRReS,一种NeRF逆渲染算法,加入多次反弹光追,在复杂场景下达到更好的几何、材质和光照的重建效果
[群友SIGGRAPH工作] 上科大等推出DressCode,使用文本生成真实感服装,通过大语言模型交互生成CG友好的服装
2023年全国大学生物理实验竞赛二等奖-厦门大学-声速的测定
厦大马校-广告系|这一次是属于我们的毕设展!
[3DGS+无相机位姿] UTAustin,nVidia,厦大等提出InstantSplat,40秒以内,从完全不知道内外参的多视角图片,重建出3DGS
3DGS隐写术—GS-Hider,用以保护三维场景的版权与隐私【可在主页预约与3DGS相关的两场直播公开课】
[NeRF进展,风格化与重着色,NPR方向]东京大学使用一种新的Palette提取方法,使NeRF重着色可达到实时性能,实现NPR效果(EGSR 2022)
[3DGan进展] nVidia, UCSD提出新的3D GAN方法,无监督地将神经体积渲染缩放到原始2D图像的更高分辨率,生成超细粒度3D几何效果
[NeRF进展,点云重建] 捷克理工大学提出Tetra-NeRF,使用点云为输入,使用四面体和其德劳内表达进行重建,实现更好的重建性能和效果
最新开源MVSGaussian:基于多视角 立体图像的快速通用高斯溅射重建 训练提速13倍,渲染300+FPS
全球首个开源自动驾驶场景3DGS工作—S Gaussian:用于自动驾驶的自监督街道高斯,无需标注,就可实现逼真的街景重建
[3DGS编辑] 南洋理工、清华、商汤提出GaussianEditor,可交互式编辑3DGS场景,并提供WebUI实时体验
[GS进展] 北京交通大学、UTAustin:开源4D生成框架|4DGen: 基于动态 3D 高斯的可控 4D 生成
catia自定义工具栏-5项基本设置
Tekla节点插件视频教程-ST05G511&515梯形屋架
[NeRF进展] 浙江大学、阿里提出Mirror-NeRF,可以学习镜子准确的几何和反射效果,并可以支持多种不同的场景操控应用,如在场景中添加物体或镜子等
Talk | 加州大学洛杉矶分校周诗杰:3DGS时代的三维场景表示与生成
[动态3DGS与场景编辑] 请香港大学黄熠华博士一起讲讲SC-GS和Deformable 3DGS两项工作
[NeRF App] Luma AI推出新APP:Flythroughs,unbounded场景通过iPhone即可完成建模和漫游,已经发布上线,可开放体验
Soliworks手链建模方法
30秒短视频能不能发在这么高端的长视频平台【相机阵列&LightStage】
solidworks钣金设计教程全集(钣金展开、折弯、拆图、焊件结构等)
[NeRF编辑进展,开源] Seal-3D(浙江大学CS&AUS, CAD&CG实验室),一种可让用户自由在像素级别NeRF编辑的方法,并可实时预览编辑结果
[神经材质压缩] nVidia杀疯了,提出NTC,使用神经压缩算法压缩纹理压缩,在增加了两层LOD后,不需要熵编码的情况下低码率压缩,解码只增加毫秒级消耗
【5.6 工程图设计】中望3D 2024教程 自定义模板、PMI
操作系统原理2024-Lecture26:操作系统安全机制,课程思维导图复习
[人体建模] 浙大CADCG、达摩院提出TransHuman,基于Transformer和TransHE、DPaRF和FDI实现可泛化的神经人体渲染任务
KRMS瞰景实时建模系统5分钟建模是如何炼成的?
[NeRF进展] 图宾根大学、Google提出Binary Opacity Grids,加强版本BakedSDF,生成视图质量更高,移动设备场景实时渲染
[3DGS进展] 南京大学、复旦大学提出Relightable 3DGS,基于点的可微分渲染,从多视图中进行材质和照明分解,实现3D点云的编辑、光线追踪和重照明
网友投稿,UG NX 10.0建模案例之CaTICs竞赛题3D05_L06,完整视频在沐风网,扫描二维码免费观看
方口异形弹簧SolidWorks三维建模实例
[NeRF Relighting进展,SIGGRAPH] 浙大、微软亚研院等提出从一组物体的无结构图片,使用阴影和高光hints进行NeRF重光照的模型
[NeRF进展] Oppo, Buffalo, 上科大提出NeuRBF,使用自适应的RBF进行神经场表达,相比INGP, TensoRF等取得更好的渲染效果