본문 바로가기

3D reconstruction10

[Paper Review] Triplane Meets Gaussian Splatting: Fast and Generalizable Single-View 3D Reconstruction with Transformers https://arxiv.org/abs/2312.09147 Triplane Meets Gaussian Splatting: Fast and Generalizable Single-View 3D Reconstruction with TransformersRecent advancements in 3D reconstruction from single images have been driven by the evolution of generative models. Prominent among these are methods based on Score Distillation Sampling (SDS) and the adaptation of diffusion models in the 3D domain. Despitarxi.. 2025. 2. 17.

[Paper Review][Workflow Review] DreamFusion: Text-to-3D Using 2D Diffusion DreamFusion 은 Text input에 3D output을 결과로 하는 논문입니다.https://dreamfusion3d.github.io/ DreamFusion: Text-to-3D using 2D DiffusionDreamFusion: Text-to-3D using 2D Diffusion, 2022.dreamfusion3d.github.io 정말 간단하게 정리를 하자면,NeRF 를 사용하여 랜덤한 3D 물체를 렌더합니다.그리고 text 데이터를 input으로 넣으면 Stable Diffusion 을 이용하여 2D image 를 generate 합니다.generated 된 이미지와 NeRF 에서 렌더된 3D 이미지의 2D, 그리고 text prompt 를 SDS (Score Distillati.. 2025. 1. 23.

[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.

[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 다음

티스토리툴바