3D高斯渲染(3D Gaussian Splatting, 3DGS)作为一种新兴的三维场景重建和渲染技术,以其高保真度和高效率而备受关注。然而,这种技术在实际应用中也面临着一些挑战,尤其是在改变采样率(如改变焦距或相机距离)时会出现明显的视觉伪影。针对这一问题,来自蒂宾根大学、上海科技大学和捷克技术大学的研究团队提出了一种创新性的解决方案 - Mip-Splatting。这项技术通过巧妙地结合3D平滑滤波和2D Mip滤波,有效地消除了多种渲染伪影,实现了无锯齿的高质量渲染效果。
Mip-Splatting的核心创新主要体现在两个方面:
3D平滑滤波: 这一滤波器针对3D高斯基元的大小进行调整。它基于输入视图所允许的最大采样频率,对每个基元应用高斯低通滤波。这一处理确保了基元不会超出输入视图采样率所允许的最大频率,有效防止了放大时出现的高频伪影。
2D Mip滤波: 替代了传统3DGS中使用的2D膨胀滤波。2D Mip滤波通过近似模拟物理成像过程中的框滤波,更准确地模拟了相机传感器上像素区域的光子积分过程。这种方法不仅有效缓解了锯齿和膨胀问题,还保持了较高的计算效率。
图1: 3DGS与Mip-Splatting在不同尺度下的渲染效果对比
高质量无锯齿渲染: 通过3D平滑滤波和2D Mip滤波的协同作用,Mip-Splatting能够在不同尺度下保持一致的高质量渲染效果,有效消除了锯齿、膨胀等视觉伪影。
适应性强: 无论是放大还是缩小场景,Mip-Splatting都能保持稳定的渲染质量,这对于虚拟现实、增强现实等应用场景尤为重要。
计算效率高: 尽管引入了额外的滤波步骤,Mip-Splatting依然保持了较高的计算效率,这得益于其巧妙的算法设计和优化。
与现有pipeline兼容: Mip-Splatting可以很容易地集成到现有的3D高斯渲染流程中,无需对整体架构进行大幅调整。
研究团队在多个数据集上进行了全面的评估,包括在单尺度图像上训练并在多尺度上测试的场景。实验结果表明,Mip-Splatting在各种场景和尺度下都表现出色,尤其是在处理复杂纹理和细节时优势明显。
图2: Mip-Splatting在不同场景下的渲染效果
Mip-Splatting的应用前景十分广阔,包括但不限于:
对于想要尝试Mip-Splatting的研究者和开发者,项目团队提供了详细的安装和使用指南:
git clone git@github.com:autonomousvision/mip-splatting.git cd mip-splatting conda create -y -n mip-splatting python=3.8 conda activate mip-splatting
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html conda install cudatoolkit-dev=11.3 -c conda-forge pip install -r requirements.txt pip install submodules/diff-gaussian-rasterization pip install submodules/simple-knn/
数据准备:
训练与评估: 项目提供了多个脚本用于不同场景的训练和评估,例如:
# NeRF-synthetic数据集上的单尺度训练和测试 python scripts/run_nerf_synthetic_stmt.py # Mip-NeRF 360数据集上的单尺度训练和多尺度测试 python scripts/run_mipnerf360_stmt.py
python create_fused_ply.py -m {model_dir}/{scene} --output_ply fused/{scene}_fused.ply"
然后使用在线查看器可视化训练好的模型。
Mip-Splatting代表了3D场景重建和渲染技术的一个重要突破。它不仅解决了3D高斯渲染中的关键问题,还为未来的研究指明了方向。随着技术的不断发展和优化,我们可以期待看到Mip-Splatting在更多领域的应用,推动虚拟现实、计算机图形学等领域的进步。
对于有兴趣深入研究或应用Mip-Splatting的读者,项目的GitHub仓库提供了完整的代码和文档。值得注意的是,虽然该项目可以自由用于研究和评估目的,但商业用途需要通过Inria获得适当的许可。
Mip-Splatting的成功不仅体现了研究团队的创新能力,也展示了开源社区在推动技术进步中的重要作用。随着更多研究者和开发者的参与,我们有理由相信,3D场景重建和渲染技术将迎来更加光明的未来。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号