GitHub 热门项目：hierarchical-3d-gaussians

GitHub 项目：hierarchical-3d-gaussians 仓库地址：https://github.com/graphdeco-inria/hierarchical-3d-gaussians 星级：1464 | 作者：graphdeco-inria 项目描述：SIGGRAPH 2024论文“A Hierarchical 3D Gaussian Representation for Real-Time Rendering of Very Large Datasets”的正式实现 =================================================== 自述文件内容： # 用于超大数据集实时渲染的分层 3D 高斯表示 [Bernhard Kerbl](https://scholar.google.at/itations?user=jeasMB0AAAAJ&hl=en)\*、[Andreas Meuleman](https://ameuleman.github.io/)\*、[Georgios Kopanas](https://grgkopanas.github.io/)、[Michael Wimmer](https://scholar.google.at/itations?user=DIwQC78AAAAJ&hl=en)、[Alexandre Lanvin](https://scholar.google.com/itations?hl=fr&user=e1s7mGsAAAAJ)、[George Drettakis](http://www-sop.inria.fr/members/George.Drettakis/)（*表示同等贡献） ### [项目页面](https://repo-sam.inria.fr/fungraph/hierarchical-3d-gaussians/) | [论文](https://repo-sam.inria.fr/fungraph/hierarchical-3d-gaussians/hierarchical-3d-gaussians_low.pdf) 该存储库包含与论文“A Hierarchical 3D Gaussian Representation for Real-Time Rendering of Very Large Datasets”相关的官方作者实现。我们解释了运行我们的算法所需的不同步骤。我们使用由 2 个块组成的 1500 张图像的[“玩具示例”](https://repo-sam.inria.fr/fungraph/hierarchical-3d-gaussians/datasets/example_dataset.zip) 来说明该方法的每个步骤并促进复制。论文中提供的完整数据集将在数据保护过程完成后立即发布（请继续关注）。 参考书目： ```` @文章{hierarchicalgaussians24， 作者 = {Kerbl、Bernhard 和 Meuleman、Andreas 和 Kopanas、Georgios 和 Wimmer、Michael 和 Lanvin、Alexandre 和 Drettakis、George}， title = {用于超大数据集实时渲染的分层 3D 高斯表示}， 期刊 = {ACM 图形交易}, 数字={4}， 体积 = {43}， 月份 = {七月}, 年 = {2024}， 网址 = {https://repo-sam.inria.fr/fungraph/hierarchical-3d-gaussians/} } ```` ## 路线图 请注意，代码发布目前处于 alpha 阶段。我们打算针对用户遇到的问题提供修复，这些问题是由于我们未测试的设置和/或环境的困难造成的。以下步骤已在 Windows 和 Ubuntu 22 上成功测试。我们感谢用户提供的问题文档，并将尽力解决这些问题。此外，我们将在未来几周内整合以下几点： - 数据集：我们将添加当前正在接受审核的大型数据集的链接。 - Windows 二进制文件：一旦我们对它们进行了充分的测试，我们将为 Windows 上的查看器添加预编译的二进制文件。 - 直接转换旧3DGS模型：我们正在测试场景的转换