全向视角的优势
传统大视场重建方法依赖于多视角几何和因子图求解器，通常生成稀疏地图，在现实探索场景中效果不佳。随着 NeRF 技术的进步，已经有了很多专为大视场场景设计的方法，在新视图合成方面取得了成功，但辐射场采样的计算强度仍然是一个挑战，导致训练或推断速度较慢。尽管360-GS在全向图像渲染质量和训练速度方面优于基于 NeRF 的方法，但其两阶段投影喷溅方法并不是最优的。此外，它对室内布局先验的依赖限制了其在多房间规模和户外场景中的泛化能力。
OmniGS 利用直接的屏幕空间喷洒来加速渲染，不依赖于场景假设或深度网络，利用 GPU 加速全向光栅化器，实现了快速高保真度的重建，使其能够应用于各种室内和室外场景。
全向 3D GS
后向优化
整体流程
效果如何
课后笔记
OmniGS 是一种新型快速逼真3D重建方法：
- 利用了直接全向屏幕空间泼溅的速度优势。
- 推导了后向梯度，并实现了基于实时瓦的全向栅格器。
效果：
- 即使训练时间更少，OmniGS 也可以达到 SOTA 的重建质量和渲染 FPS。- 把全向的渲染结果裁剪成透视图，效果是由于直接在透视图上做
发展潜力：
- OmniGS 为了追求速度，忽略了三角函数的周围性，可以牺牲更多的计算资源来实现更好的质量
- 可以和全向 SLAM 结合，实现更多机器人应用
参考
[1] OmniGS: Omnidirectional Gaussian Splatting for Fast Radiance Field Reconstruction using Omnidirectional Images
发表回复