使用聚类识别不必要的 3D 高斯函数,实现快速渲染 3D 高斯飞溠
原文约500字/词,阅读约需1分钟。发表于: 。通过离线聚类和在线投影,提出了一种用于实时渲染的计算减少技术,能够快速识别不必要的 3D 高斯,并通过高效的硬件架构实现 10.7 倍的加速,并在不损失峰值信噪比(PSNR)的情况下,减少了近 38.3% 的渲染计算量。
近年来,神经网络的图像渲染方法得到了广泛研究。NeRF模型可以从少量二维图像中合成逼真的视图,但训练和推理时间较长。相比之下,GS是一种快速训练和实时渲染的技术,但缺乏明确定义。为了解决这个问题,GaMeS模型引入了网格和高斯分布的混合形式,可以在动画过程中自动调整位置、比例和旋转。同时,证明了可以在学习过程中调整初始网格。