A Survey on 3D Gaussian Splatting

最近，3D高斯喷洒（3D GS）作为显式辐射场和计算机图形学领域的一种变革性技术出现。这种创新方法以使用数百万个3D高斯函数为特点，与神经辐射场（NeRF）方法形成明显的区别，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具有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控制和可编辑性水平。这使3D GS成为下一代3D重建和表示的潜在改变者。在本文中，我们首次系统地概述了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背后的原理和驱动力，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。通过促进实时性能，3D GS开启了一系列应用，从虚拟现实到交互媒体等等。这还包括对领先的3D GS模型进行比较分析，评估它们在各种基准任务中的表现和实用性。该调查最后确定了当前的挑战，并提出了未来研究的潜在途径。通过这项调查，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。

3D高斯喷洒（3D GS）是一个新兴的技术，试图解决的问题是什么？

论文介绍了3D GS的关键思路是什么？相比当前的研究，这篇论文的思路有什么新意？

论文探讨了3D GS的实际应用性和性能，并进行了多个基准测试。此外，论文还指出了当前研究中存在的挑战和未来研究的方向。

最近的相关研究包括NeRF方法和其他基于神经网络的方法。