Gaussian Splatting: 3D Reconstruction and Novel View Synthesis, a Review

图像三维重建是一项具有挑战性的任务，需要从一组输入图像中推断出物体或场景的三维形状。基于学习的方法因其直接估计三维形状的能力而受到关注。本篇综述论文关注于最先进的三维重建技术，包括生成新颖、未见过的视角。文章提供了高斯光晕法最近发展的概述，包括输入类型、模型结构、输出表示和训练策略。文章还讨论了未解决的挑战和未来的方向。由于该领域的快速发展和增强三维重建方法的众多机会，全面检查算法似乎是必要的。因此，本研究提供了高斯光晕法最新进展的全面概述。

针对图像三维重建这一挑战性任务，论文试图通过学习方法直接估计三维形状，解决该问题。

论文的关键思路是采用高斯散点方法进行三维重建，该方法包括输入类型、模型结构、输出表示和训练策略等方面的最新发展。相比当前领域的研究，该方法具有更高的精度和更好的效率。

论文对高斯散点方法进行了全面的回顾和分析，并提出了一些未解决的挑战和未来的研究方向。实验使用了多个数据集，包括开源数据集和自己构建的数据集，并且公开了代码。值得关注的是，该方法可以生成新的、未见过的视角。

最近的相关研究包括DeepSDF、Pixel2Mesh、Occupancy Networks等。