-
公开(公告)号：CN120014172A
公开(公告)日：2025-05-16
申请号：CN202510145733.2
申请日：2025-02-10
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度和曲率监督的改进3DGS场景重建与渲染方法，通过结合SFM生成的稀疏点云的真实深度和由快速可微光栅化生成的预测深度，计算倒角距离并作为损失函数。这个优化增强了对Gaussians位置的几何约束，确保了Gaussians在空间中的正确位置，从而避免了错误的遮挡关系和渲染伪影，提升了场景的真实感，与现有技术相比，本发明的优点在于它通过深度与曲率的联合监督，解决了现有3DGS技术中对几何约束处理的局限性，避免了传统方法中会出现的错误遮挡和过多的小Gaussians，显著优化了场景渲染的质量和效率。
-
公开(公告)号：CN119648925B
公开(公告)日：2025-04-29
申请号：CN202510175895.0
申请日：2025-02-18
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度分布监督的高效3D高斯场景重建方法，相比于现有技术，在高斯初始化阶段直接提取了像素级的深度稠密点云，生成多模态深度分布图，有效避免了根据COLMAP稀疏点云随机初始化稠密高斯位置，解决了少视图情况下COLMAP获取的点云过于稀疏提供的几何约束不足，同时随机初始化的高斯由于局部最小值阻碍其移动到正确位置的问题。本发明对图像帧应用基于边缘检测的图像分割算法，融合了大量远离边缘点且深度相近的高斯基元，有效修剪了3D高斯数量，节省了GPU的内存消耗。本发明对全局高斯引入额外的各向同性正则化损失，避免了沿视线方向产生伪影的高度拉长的高斯分布问题。
-
公开(公告)号：CN119648925A
公开(公告)日：2025-03-18
申请号：CN202510175895.0
申请日：2025-02-18
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度分布监督的高效3D高斯场景重建方法，相比于现有技术，在高斯初始化阶段直接提取了像素级的深度稠密点云，生成多模态深度分布图，有效避免了根据COLMAP稀疏点云随机初始化稠密高斯位置，解决了少视图情况下COLMAP获取的点云过于稀疏提供的几何约束不足，同时随机初始化的高斯由于局部最小值阻碍其移动到正确位置的问题。本发明对图像帧应用基于边缘检测的图像分割算法，融合了大量远离边缘点且深度相近的高斯基元，有效修剪了3D高斯数量，节省了GPU的内存消耗。本发明对全局高斯引入额外的各向同性正则化损失，避免了沿视线方向产生伪影的高度拉长的高斯分布问题。
-
-
Search Results
3
records
(took 0.067 seconds)
