作者：Zhang kai + Prof. Noah Snavely Cornell University, Department of Computer Science 光照：natural, static illumination 对象：specular objects 视点：multi-view 相机类型：RGB 时间：no 问题：multi-view inverse render

前言 SplaTAM算法是首个开源的基于RGB-D数据，生成高质量密集3D重建的SLAM技术。 通过结合3DGS技术和SLAM框架，在保持高效性的同时，提供精确的相机定位和场景重建。 代码仓库：spla-tam/SplaTAM: SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM (CVPR 2024) (githu

主页：https://ingra14m.github.io/Deformable-Gaussians/ 代码：https://github.com/ingra14m/Deformable-3D-Gaussians 论文：https://arxiv.org/abs/2309.13101 文章目录 摘要一、前言二、相关工作2.1 动态场景的神经渲染2.2 神经渲染加速 三、方法3.1

3DGS 其二：Street Gaussians for Modeling Dynamic Urban Scenes 1. 背景介绍1.1 静态场景建模1.2 动态场景建模 2. 算法2.1 背景模型2.2 目标模型 3. 训练3.1 跟踪优化 4. 下游任务 Reference： Street Gaussians for Modeling Dynamic Urban Sce

[paper | proj] 给定FLAME，基于每个三角面片中心初始化一个3D Gaussian（3DGS）；当FLAME mesh被驱动时，3DGS根据它的父亲三角面片，做平移、旋转和缩放变化；3DGS可以视作mesh上的辐射场；为实现高保真的avatar，本文提出一种蒙皮（binding）继承策略，在优化过程中，保持蒙皮对3DGS的控制；本文贡献如下： 提出GaussianAvatar

[paper | proj] 给定FLAME，基于每个三角面片中心初始化一个3D Gaussian（3DGS）；当FLAME mesh被驱动时，3DGS根据它的父亲三角面片，做平移、旋转和缩放变化；3DGS可以视作mesh上的辐射场；为实现高保真的avatar，本文提出一种蒙皮（binding）继承策略，在优化过程中，保持蒙皮对3DGS的控制；本文贡献如下： 提出GaussianAvatar