본문 바로가기

😎AI39

[Notable] NeRF vs Voxel vs Mesh 1. NeRF (Neural Radiance Fields)의 장점:세밀한 디테일: NeRF는 볼륨 렌더링을 사용하여 매우 세밀한 장면을 생성할 수 있습니다. 이를 통해 복잡한 조명 효과, 디테일한 질감, 모든 방향에서의 렌더링에서 뛰어난 품질을 얻을 수 있습니다. 특히, 빛의 반사와 굴절 등 물리적 상호작용을 세밀하게 모델링할 수 있다는 점에서 고해상도의 사실적인 결과를 얻을 수 있습니다.연속적인 표현: NeRF는 3D 공간을 연속적인 밀도와 색상 값으로 모델링합니다. 이 방식은 3D 장면을 디지털화할 때 부드럽고 자연스러운 전환을 가능하게 하여 더 고급스러운 시각적 효과를 제공합니다.고품질 렌더링: NeRF는 이미지 기반의 3D 합성에서 매우 사실적인 결과를 제공합니다. 특히 사진처럼 자연스러운 조명과.. 2025. 1. 21.

[Code Build][Ubuntu] Gaussian Frosting: Editable Complex Radiance Fields with Real-Time Rendering https://github.com/Anttwo/Frosting?tab=readme-ov-file GitHub - Anttwo/Frosting: [ECCV 2024 - ORAL] Official PyTorch implementation of Gaussian Frosting: Editable Complex Radiance Fie[ECCV 2024 - ORAL] Official PyTorch implementation of Gaussian Frosting: Editable Complex Radiance Fields with Real-Time Rendering - Anttwo/Frostinggithub.comhttps://github.com/Anttwo/Frosting/blob/main/media/gifs/bu.. 2025. 1. 10.

[Code Build][Ubuntu] SuGaR: Surface-Aligned Gaussian Splatting for Efficient 3D Mesh Reconstruction and High-Quality Mesh Rendering https://github.com/Anttwo/SuGaR?tab=readme-ov-file GitHub - Anttwo/SuGaR: [CVPR 2024] Official PyTorch implementation of SuGaR: Surface-Aligned Gaussian Splatting for Efficient 3D[CVPR 2024] Official PyTorch implementation of SuGaR: Surface-Aligned Gaussian Splatting for Efficient 3D Mesh Reconstruction and High-Quality Mesh Rendering - Anttwo/SuGaRgithub.com [ required ubuntu environment]ubunt.. 2025. 1. 10.

[Code Build][Ubuntu] 3D Gaussian splatting 저는 dataset 구축과 train 은 vessl server (ubuntu) 환경에서 진행 했고,viewer 는 exe 로 실행해야되기 때문에 window 환경에서 진행 했습니다.gaussian splatting 의 환경사항은 다음과 같습니다.name: gaussian_splatting channels: - pytorch - conda-forge - defaults dependencies: - cudatoolkit=11.6 - plyfile - python=3.7.13 - pip=22.3.1 - pytorch=1.12.1 - torchaudio=0.12.1 - torchvision=0.13.1 - tqdm - pip: - submodules/diff-.. 2025. 1. 8.

[Paper Review] 3D Gaussian Splatting for Real-Time Radiance Field Rendering 이 논문 내용으로 들어가기 전에 Pinhole Camera Model 에 대해서 어느 정도 이해를 하고 가면 좋다. Abstract1080p 해상도의 무제한 및 완전한 장면의 렌더링에서는 이전까지는 어떤 방법도 실시간 디스플레이 속도(≥30 fps)를 달성하지 못하고 있다.이 논문에서는 1080p 해상도에서 고품질 실시간(≥30 fps) 새로운 시점 합성을 가능하게 하는 세 가지 주요 요소를 소개한다.1. 3D 가우시안 활용: 카메라 캘리브레이션 과정에서 생성된 희소 포인트를 시작으로, 장면을 3D 가우시안으로 표현하여 연속적인 볼륨기반 Radiance Field 의 장점을 유지하면서 빈 공간에서의 불필요한 계산을 피한다.2. 최적화와 밀도 제어: 3D 가우시안의 비등방성 공분산을 최적화하여 장면을 정.. 2024. 12. 14.

[Paper Review] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis Abstract이 논문에서는 복잡한 장면의 새로운 시점을 생성하며, 기존 연구를 뛰어넘는 성능을 달성하는 방법을 제안한다.이 방법은 소수의 입력 뷰를 사용하여 연속적인 volume scene 함수를 최적화한다.알고리즘은 장면을 fully connected (not convolution) deep network 로 표현한다. - 입력: 연속적인 5D 좌표 => 공간 위치(x, y, z) 와 시점 방향(θ, φ) 을 입력- 출력: 해당 위치의 체적 밀도(volume density) 와 시점 종속 방출 복사광(view-dependent emitted radiance) 출력- 합성 과정: 카메라에서 장면으로 뻗어나가는 광선(rays) 을 따라 5D 좌표(공간위치와 시점방향)를 선택한 뒤, 해당 좌표에서 신경망을.. 2024. 12. 10.

이전 1 2 3 4 5 6 7 다음

티스토리툴바