BriefGPT - AI 论文速递
·
Real3D：用真实世界图像扩展大型重建模型
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
GS-LRM是一个可扩展的大型重建模型，能够在单个A100 GPU上从2-4个稀疏图像中预测高质量的3D高斯原语，并在0.23秒内完成。该模型采用了基于transformer的简单架构，能够处理不同尺度和复杂性的场景。在Objaverse和RealEstate10K上的训练结果表明，GS-LRM优于现有方法。
🎯
关键要点
- GS-LRM是一个可扩展的大型重建模型，能够在单个A100 GPU上从2-4个稀疏图像中预测高质量的3D高斯原语。
- 该模型在0.23秒内完成预测，采用了基于transformer的简单架构。
- GS-LRM通过预测每像素的高斯分布，能够处理不同尺度和复杂性的场景。
- 模型在Objaverse和RealEstate10K上的训练结果表明，GS-LRM优于现有的最先进方法。
- GS-LRM适用于对象和场景捕捉，并在下游3D生成任务中有应用。
➡️
