GaussianOcc：基于高斯喷洒的完全自监督高效3D占用估计
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了传统自监督3D占用估计方法在训练过程中需要地面真实6D姿态的问题。通过提出高斯投影模块（GSP）和体素空间高斯喷洒（GSV），实现了完全自监督的3D占用估计，显示出在训练和渲染速度上分别提升了2.7倍和5倍的潜力。该方法在高效性和准确性上具有显著优势。
我们提出了一种名为MVSplat的高效前馈3D高斯分割模型，通过稀疏多视图图像进行学习。该模型在光度监督下学习高斯原始图的透明度、协方差和球面谐波系数。实验结果表明，该模型在RealEstate10K和ACID基准测试中具有最快的前馈推断速度和更好的性能。与pixelSplat相比，该模型参数更少，推断速度更快，同时具有更高的外观和几何质量以及更好的跨数据集泛化能力。
