【DiffGS：基于扩散模型的3DGS生成方法】

文章预览

《DiffGS: Functional Gaussian Splatting Diffusion》 https://junshengzhou.github.io/DiffGS 是一篇发表在NeurIPS 2024的论文，它介绍了一种新的基于扩散模型的3D高斯绘制（3DGS）生成方法，称为DiffGS。这种方法旨在解决3DGS建模中的挑战，特别是其离散性和非结构化的特性，这些特性使得直接生成3DGS变得困难。 DiffGS的核心思想是通过三个新颖的函数来以解耦的方式表示高斯绘制：高斯概率函数（GauPF）、高斯颜色函数（GauCF）和高斯变换函数（GauTF）。GauPF通过模拟每个采样的3D位置成为高斯位置的概率来指示3DGS的几何形状。GauCF和GauTF则分别预测给定3D位置的高斯外观属性和变换属性。通过这种新颖的3DGS解耦，DiffGS将离散和非结构化的3DGS表示为三个连续的高斯绘制函数。 接下来，DiffGS设计了一个生成模型，目标是生成这些高斯绘制函数。提出了一个高斯VAE模型来为高斯绘 ………………………………