CityGaussian: Real-time High-quality Large-Scale Scene Rendering with Gaussians

简介

本文介绍了一种名为CityGaussian（CityGS）的方法，它采用了一种新颖的分治训练方法和多细节级别策略，以实现高效的大规模3D高斯喷洒（3DGS）训练和渲染。该方法通过全局场景先验和自适应训练数据选择，实现了高效的训练和无缝融合。基于融合的高斯基元，通过压缩生成不同的细节级别，并通过所提出的块状细节级别选择和聚合策略，实现了各种尺度的快速渲染。大规模场景的广泛实验结果表明，该方法达到了最先进的渲染质量，能够在不同尺度下实现一致的实时渲染。该项目页面可在https://dekuliutesla.github.io/citygs/上找到。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

论文旨在解决大规模3D场景重建和新视角合成的训练和渲染效率问题。
关键思路

论文提出了一种分而治之的训练方法和多级细节策略，实现了高效的大规模3D场景重建和渲染。
其它亮点

论文的亮点包括全局场景先验和自适应训练数据选择、基于高斯原语的融合、压缩和块级细节级别选择和聚合策略。实验结果表明，该方法在大规模场景上实现了实时渲染，并达到了最先进的渲染质量。
相关研究

最近的相关研究包括DeepSDF、NeRF、GRAF等。