A Survey on 3D Gaussian Splatting

最近，3D高斯喷洒（GS）作为显式辐射场和计算机图形学领域的一种革命性技术已经出现。这种创新方法利用数百万可学习的3D高斯函数，与主流的神经辐射场方法不同，后者主要使用隐式的、基于坐标的模型将空间坐标映射到像素值。3D GS采用显式场景表示和可微分渲染算法，不仅承诺实时渲染能力，而且引入了前所未有的可编辑性，使其成为下一代3D重建和表示的潜在改变者。本文首次系统地概述了3D GS领域的最新发展和重要贡献。我们首先详细探讨了3D GS背后的原理和推动力，为理解其重要性奠定了基础。我们讨论的重点是3D GS的实际适用性。通过实现前所未有的渲染速度，3D GS开启了众多应用，从虚拟现实到交互媒体等等。这个方面还包括对领先的3D GS模型进行比较分析，通过各种基准测试来评估它们的性能和实用性。本文最后总结了当前的挑战，并提出了未来研究的潜在方向。通过本文的调查，我们旨在为新手和经验丰富的研究人员提供有价值的资源，促进适用和显式辐射场表示的进一步探索和发展。

本论文旨在系统概述最近在3D高斯喷洒方面的发展和重要贡献，探讨该技术在3D重建和表现方面的潜在应用。

3D高斯喷洒是一种显式的场景表示方法，利用数百万个可学习的3D高斯函数，与当前主流的隐式、基于坐标的模型不同。该方法具有不可比拟的实时渲染能力和前所未有的可编辑性，将可能成为下一代3D重建和表现的游戏变革者。

本文详细探讨了3D高斯喷洒的基本原理和出现的驱动力，重点讨论了其实际应用性。通过实现前所未有的渲染速度，3D高斯喷洒开启了一系列应用，从虚拟现实到交互媒体等等。本文还进行了领先的3D高斯喷洒模型的比较分析，评估了它们在各种基准任务中的性能和实用性。最后，本文指出了当前的挑战，并提出了未来研究的潜在方向。

最近在这个领域中，还有一些相关的研究，如NeRF、Occupancy Networks、DVR等。