3DGS应用层最新进展：3DGS 和NeRF 哪个会赢？

文章预览

点击上方“ 计算机视觉life ”，选择“星标” 快速获得最新干货 以下内容来自  博文视点Broadview 3DGS在大规模场景和自动驾驶中的进展 2024 年伊始，浙江大学与理想汽车的研发团队提出了一种名 为Street Gaussians的模型化方法，该方法主要用于动态城市场景建模，通 过动静合成能力实现场景仿真。与《三维视觉新范式：深度解析NeRF与3DGS技术》一书9.5节中 NeRF 在自动驾驶里的应用一致，该方法是在自动驾驶仿真方向上使用 3DGS 实现的版本。二者的 street Gauussians 的框架性与UniSim、Mars 和 Emerne rf 等逻辑一致，如 背景和车辆分离建模，车辆动态建模，车辆可被添加、移除等。 Street Gaussians 的算法流程如 图 所示。 类似于 MARS，Street Gaussians 通过标注将场景背景和动态车辆分离，并分别建模。不同之处在于，Street Gaussians 使用三维高斯对各模块进行建模， ………………………………