SC-GS

SC-GS是一种新型表示技术,将动态场景的运动和外观分别用稀疏控制点和密集高斯函数表示。它使用少量控制点学习紧凑的6自由度变换基,这些基可通过插值权重在局部插值,得到3D高斯函数的运动场。它采用变形MLP预测每个控制点的时变6自由度变换,降低学习复杂度,增强学习能力,实现时空连贯的运动模式。同时联合学习3D高斯函数、控制点的规范空间位置和变形MLP,重建3D场景的外观、几何和动态。在训练过程中,控制点的位置和数量会自适应调整以适应不同区域的运动复杂度,并采用尽可能刚性的损失函数强制运动的空间连续性和局部刚性。由于运动表示的显式稀疏性和外观分离,该方法实现了用户控制的运动编辑,同时保留高保真度外观。大量实验表明,该方法在新视图合成和高速渲染方面优于现有方法,并支持新的保留外观的运动编辑应用。

需求人群:

"新视图合成、高保真动画生成、特效制作、运动补全、虚拟现实等"

使用场景示例:

影视特效制作中的动态场景渲染

虚拟现实/增强现实应用中的真实场景建模和交互

通过编辑控制网格来修改3D动画运动序列

产品特色:

将动态场景分解为稀疏控制点(运动表示)和密集高斯函数(外观表示)

使用变形MLP预测每个控制点的时变6自由度变换

根据控制点插值得到3D高斯函数的运动场

联合学习高斯函数、控制点位置和变形MLP

自适应调整控制点位置和数量

使用尽可能刚性损失函数约束运动连续性和局部刚性

支持用户交互式编辑控制点对应的运动

浏览量:18

s1785318098921236

打开站点

构建AI去赚钱
s1785341518918206
网站流量情况

最新流量情况

月访问量

6273

平均访问时长

00:01:14

每次访问页数

0.69

跳出率

39.63%

流量来源

直接访问

50.95%

自然搜索

4.36%

邮件

0

外链引荐

44.69%

社交媒体

0

展示广告

0

截止目前所有流量趋势图

地理流量分布情况

哥伦比亚

12.70%

美国

11.70%

德国

11.08%

俄罗斯

9.91%

新加坡

8.73%

类似产品

© 2024     AIbase    备案号:闽ICP备2023012347号-1

隐私政策

用户协议

意见反馈 网站地图