Gaussian Splatting: เรนเดอร์ฉาก 3D แบบเรียลไทม์ (ต้นฉบับงานวิจัย)3D Gaussian Splatting for Real-Time Radiance Field Rendering
โค้ดนี้ทำการเรนเดอร์ภาคสนามเรเดียนซ์ 3D ด้วย Gaussian Splatting ซึ่งสามารถทำงานได้ตามเวลาจริงและมีคุณภาพสูง
This code performs 3D Radiance Field rendering using Gaussian Splatting, enabling real-time and high-quality results.
ไว้ทำอะไร
โค้ดนี้พัฒนาขึ้นเพื่อจัดการกับข้อจำกัดของการเรนเดอร์ภาคสนามเรเดียนซ์ในเวลาจริง ด้วยการใช้ Gaussian 3D ที่ช่วยลดการคำนวณในพื้นที่ว่างเปล่า และอินเตอร์เฟสที่รวดเร็วสำหรับการเรนเดอร์
ทำงานอย่างไร
โค้ดนี้ใช้ PyTorch สำหรับการฝึกอบรมโมเดล 3D Gaussian จากข้อมูลการฟอร์มโครงสร้าง (SfM) ตั้งต้นด้วยการปรับแต่งและควบคุมความหนาแน่นในโมเดล Gaussian ซึ่งจะมีการคำนวณ covariance แบบแอนไอโซทรอปิกเพื่อความแม่นยำ และใช้การเรียกดูแบบ OpenGL เพื่อแสดงผลในเวลาจริง โค้ดมีการตั้งค่าง่าย ๆ ด้วย Conda และใช้ GPU ที่รองรับ CUDA
โครงสร้างโค้ด
- gaussian_renderer/network_gui.py — อินเทอร์เฟสการแสดงภาพ 3D ในเวลาจริง
- train.py — สคริปต์สำหรับฝึกโมเดล Gaussian
- scene/gaussian_model.py — โมเดลการสร้าง Gaussian
- scene/cameras.py — ดูแลข้อมูลการตั้งกล้อง
เริ่มใช้งาน
# SSH
git clone [email protected]:graphdeco-inria/gaussian-splatting.git --recursive
# HTTPS
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursiveเหมาะกับงานแบบไหน
- เรนเดอร์ฉาก 3D ในทันทีสำหรับการจำลองภาพเรเดียนซ์
- การสร้างโมเดล 3D แบบเรียลไทม์จากภาพถ่ายทางกล้องหลายมุมมอง
ข้อควรรู้
- โค้ดนี้ใช้ได้ฟรีเพื่อการวิจัยและไม่ใช่เชิงพาณิชย์เท่านั้น ไม่มีการระบุใบอนุญาตชัดเจน
- ต้องมี GPU ที่รองรับ CUDA และ PyTorch สำคัญ
What it is for
The code is developed to address the limitations of real-time Radiance Field rendering by using 3D Gaussians that reduce computation in empty space and provide a fast interface for rendering.
How it works
The code utilizes PyTorch to train a 3D Gaussian model from initial Structure-from-Motion (SfM) data. It interleaves optimization and density control in the Gaussian model, calculating anisotropic covariance for accuracy. It employs an OpenGL viewer for real-time display. The code is easily set up with Conda and utilizes a CUDA-ready GPU.
Code structure
- gaussian_renderer/network_gui.py — 3D real-time display interface
- train.py — Script for training the Gaussian model
- scene/gaussian_model.py — Gaussian model construction
- scene/cameras.py — Camera setup data management
Getting started
# SSH
git clone [email protected]:graphdeco-inria/gaussian-splatting.git --recursive
# HTTPS
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursiveGood fit for
- Instant 3D scene rendering for radiance field visualization
- Real-time model construction from multi-viewpoint photos
Things to know
- This code is available for non-commercial research use only; no specific license mentioned.
- Requires a CUDA-ready GPU and significant PyTorch setup.
บทวิเคราะห์นี้สร้างจาก README และโค้ดของ repo โดย AI ของ Oneable — ตรวจสอบ license และเอกสารต้นทางก่อนนำไปใช้งานจริงThis breakdown was generated from the repository's README and code by Oneable's AI — check the license and upstream docs before using it in production.