Fed3DGS:基于联邦学习的可扩展三维高斯投射
原文中文,约400字,阅读约需1分钟。发表于: 。Fed3DGS 是一个基于 3D 高斯喷洒(3DGS)与联邦学习的可扩展三维重建框架,其采用分散式架构并利用数以百万计的客户端上的分布式计算资源,通过定制的蒸馏模型更新方案和外观建模技术来处理非独立同分布数据,在大规模基准测试中呈现出与集中式方法相当的图像质量,并能捕捉到由季节变化引起的场景变化。
本文介绍了GS-SLAM算法,使用3D高斯表示方法实现定位与地图构建系统的平衡。算法通过自适应扩张策略重构新场景几何,并改善先前观测区域的建图。在位姿跟踪中,使用从粗到细的技术选择可靠的3D高斯表示,减少运行时间并实现强健的估计。算法在Replica和TUM-RGBD数据集上具有竞争力的性能。