跳到正文
热点事件持续更新

SteadySplats:低方差高斯重采样实现高保真随机渲染

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Felix Windisch 等作者提出 SteadySplats 随机渲染方法,通过基于历史的空间重采样与时间重要性重采样,在随机渲染中加速图像收敛,并保证相机运动下的连贯性。 该方法在训练阶段加入颜色正则项,作者称其可隐式降低 3DGS 模型沿视线方向的方差。其基于 Vulkan 的渲染器在每像素 1 采样下,较此前随机方法提升约 13 dB PSNR,并快速收敛至排序 3DGS,平均 L1 误差低于 10^-4。

AI 根据报道生成 · 8 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月7日
  1. arXiv cs.CV
    SteadySplats:低方差高斯重采样实现高保真随机渲染

    SteadySplats 通过基于历史的空间重采样与时间重要性重采样,在随机渲染中大幅加速图像收敛并保证相机运动下的连贯性;训练阶段的颜色正则项则隐式降低 3DGS 模型沿视线方向的方差。其基于 Vulkan 的渲染器在每像素 1 采样下较此前随机方法提升约 13 dB PSNR,并快速收敛至排序 3DGS,平均 L1 误差低于 10^-4。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。