3D 機器學習課程文件
非網格
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
非網格
雖然目前在實際應用中,幾乎所有 3D 都表示為網格,但 3D 機器學習研究通常使用非網格表示,這些表示隨後會轉換為網格。
這些非網格表示可能包括:
- 三平面,例如在 InstantMesh 中。
- NeRFs,例如在 NeRFiller 中。
- Splats,例如在 LGM 中。
這些方法不斷發展,甚至在你閱讀本文時可能已經有所改變。
幸運的是,在大多數情況下,這可以被視為一個黑箱。你無需瞭解這些非網格表示的細節即可在你的工作中使用它們。
然而,有一種表示方式脫穎而出。
高斯濺射 (Gaussian Splatting)
非網格表示的一種特殊情況是濺射(splats),或者稱為高斯濺射(Gaussian Splatting)。
這是因為濺射可以即時渲染,這與其他非網格表示不同。它們還具有動畫、物理(混合)和光照等功能。
這意味著從理論上講,濺射可以取代實際應用中的網格。然而,整個實際 3D 生態系統是圍繞網格構建的,因此濺射不太可能取代它們。它們更有可能在 3D 生態系統中與網格並存,尤其是在即時生成 3D 等預期應用中。
本課程內容
我們將同時介紹網格和高斯濺射。
雖然當前的最先進技術使用三平面,但由於它們不斷發展,我們不會在本課程中深入探討這些具體細節。
相反,我們將重點關注 3D 機器學習研究的構建塊。然後,我們將深入探討高斯濺射和網格,因為它們目前可以在實際應用中使用。
< > 在 GitHub 上更新