来自慕尼黑工业大学研究者的、利用AI实现相较传统方法约8倍提速且精度最高提升48%的3D构建技术「QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization」的项目页面和视频已经公开！

QuickSplat: Fast 3D Surface Reconstruction via Learned Gaussian Initialization

表面重建是计算机视觉和图形学的基础，能够支持3D建模、混合现实、机器人技术等应用。基于体渲染的现有方法虽然取得了可观的结果，但由于需要针对每个场景进行优化，因此优化耗时较长，并且在建模未观测区域和无纹理区域时存在困难。

这项QuickSplat会学习一种数据驱动的先验，以便为大规模室内场景的2D高斯喷溅优化生成高密度初始化。它为重建提供了强有力的起点，加快了优化收敛，并改善了平坦墙面结构的几何形状。我们提出的高密化网络会基于现有高斯的渲染梯度预测新的高斯，从而消除了高密化中对启发式方法的需求。针对大规模室内场景重建的大量实验表明了我们这种数据驱动优化的优势。具体来说，与最新方法相比，在将运行时间加快8倍的同时，深度误差最多减少48%。

这类技术也在不断涌现并提升精度呢。现有空间的3D构建似乎会越来越精确，也越来越轻松。
目前代码为ComingSoon。更多详细信息请查看项目页面！

链接

QuickSplat – Yueh-Cheng Liu