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。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文 件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
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。
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