基于SO(2)等变高斯雕刻网络的单视图三维重建
原文中文，约400字，阅读约需1分钟。发表于：。该研究解决了从单视图图像进行三维物体重建的不足，提出了一种新的SO(2)等变高斯雕刻网络（GSNs）方法。GSNs通过共享特征提取器来生成高效的高斯模型，并在质量上与昂贵的扩散重建算法相竞争，显示出其在机器人抓取系统中的潜在应用价值。
GS-LRM是一个可扩展的大型重建模型，使用单个A100 GPU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。该模型采用基于transformer的架构，适用于不同尺度和复杂性的场景。GS-LRM在对象和场景捕捉方面优于现有方法，并在下游3D生成任务中展示了应用。
