数据集不够用？3DGS助力生成带标注的全新扩展数据！

文章预览

作者 | Tianle Zeng  编辑 | 深蓝AI 点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 作者主页： https://louiszengcn.github.io/ 论文标题： Realistic Surgical Image Dataset Generation Based On 3D Gaussian Splatting   导读： 近年来，随着AI技术的飞速发展，数据量的增加为数据驱动的神经网络提供了更强大的训练基础，推动了各行各业的进步。如何在有限的数据集上进行扩展，增强现有数据，生成更丰富的样本，从而训练出更为优秀的模型，成为了这些领域的研究热点。 而NeRF和3DGS等新兴技术的出现，为实现这一目标提供了新的可能。本文展示了如何利用3DGS技术，从有限的图像中合成新的数据集，生成多视角图像，并支持场景内容的灵活编辑，结果表明研究者可以轻松更换场景中的物体和背景，同时自动生成准确的 ………………………………