A Survey on 3D Gaussian Splatting

最近，三维高斯点插值（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了。这种创新方法利用数百万可学习的三维高斯函数，与主流的神经辐射场方法形成了明显的区别，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。三维GS具有显式场景表示和可微分渲染算法，不仅具有实时渲染能力，而且还引入了前所未有的可编辑性水平。这使得三维GS成为下一代三维重建和表示的潜在变革者。在本文中，我们首次系统地概述了三维GS领域的最新发展和关键贡献。我们首先详细探讨了三维GS背后的原理和驱动力，为理解其重要性奠定了基础。我们讨论的重点是三维GS的实际适用性。通过实现前所未有的渲染速度，三维GS打开了大量应用的可能性，从虚拟现实到交互媒体等等。这种方法还通过对领先的三维GS模型进行比较分析，在各种基准任务上进行评估，以突出它们的性能和实用性。调查最后确定了当前的挑战，并提出了未来研究的潜在方向。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 Gaussian splatting是一个新兴的技术，试图通过使用可学习的3D高斯函数表示场景，以及可微分的渲染算法来解决明确光辐射场和计算机图形学中的问题。本文旨在系统概述3D Gaussian splatting的最新发展和关键贡献，以及其在3D重建和表达方面的潜在应用。

3D Gaussian splatting使用可学习的3D高斯函数来显式表示场景，并使用可微分的渲染算法进行渲染，从而实现了实时渲染和前所未有的可编辑性。相比当前主流的基于隐式坐标的模型，这种方法具有显著的优势。

本文详细探讨了3D Gaussian splatting的原理和应用，包括其在虚拟现实、交互媒体等领域的应用。论文还提供了对主要3D Gaussian splatting模型的比较分析，并评估了它们在各种基准任务中的性能和实用性。此外，本文还指出了当前的挑战和未来研究的潜在方向。

最近的相关研究包括“NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis”和“GRAF: Generative Radiance Fields for 3D-Aware Image Synthesis”。