zju3dv/LoG

Level of Gaussians

해결하는 문제

LoG는 단일 RTX 4090 GPU와 같은 접근 가능한 하드웨어를 사용하여 수백만 제곱미터에 달하는 도시 규모 환경의 고도로 사실적이고 실시간 렌더링이 가능한 모델을 생성하는 문제를 해결합니다.

작동 원리

이 프로젝트는 PyTorch와 Gaussian Splatting 기술을 활용하여 대규모 장면의 뷰를 합성합니다. 데이터셋 준비를 위해 Colmap을 사용하며, 데이터셋 크기에 따라 휴리스틱 파라미터를 자동으로 구성하여 학습을 최적화합니다.

대상 사용자

3D 장면 재구성, 도시 규모 뷰 합성 및 대규모 환경의 실시간 렌더링을 연구하는 연구원 및 개발자.

주요 특징

  • 도시 규모 역량: 수백만 제곱미터에 달하는 장면을 위해 특별히 설계되었습니다.
  • 하드웨어 효율성: 단일 소비자용 RTX 4090 GPU에서 학습 및 렌더링이 가능합니다.
  • 실시간 렌더링: 고충실도 실시간 뷰 합성에 중점을 둡니다.
  • 자동화된 구성: 데이터셋 크기에 따라 파라미터를 자동으로 조정하여 학습을 더 쉽게 만듭니다.

관련

  • 프로젝트
    cs-chan/Total-Text-Dataset

    자연 장면 이미지에서 임의 형태의 텍스트를 탐지하는 데 개선을 위한 단어 수준의 영어 곡선 텍스트 데이터셋과 평가 프레임워크입니다.

  • 프로젝트
    zju3dv/DetectorFreeSfM

    전통적인 특징점 검출기에 의존하지 않고 이미지로부터 3D 장면을 재구성하는 검출기 없는 Structure from Motion (SfM) 시스템으로, Image Matching Challenge 2023에서 최고 성적을 거두었습니다.

  • 프로젝트
    weecology/DeepForest

    딥러닝 객체 탐지를 사용하여 공중 RGB 영상에서 나무 우산과 새와 같은 생태적 대상을 학습하고 예측하는 Python 패키지.

  • 프로젝트
    huawei-bayerlab/marigold-v2

    마리골드 V2는 사전 훈련된 확산 변환기(Qwen-Image-Edit-2509)를 활용하여 단안 깊이, 투명 깊이, 표면 법선, 알베도를 위한 빠르고 단일 스텝 예측기로 전환하는 연구용 코드베이스입니다. 단일 32GB GPU에서 약 5일이 소요되는 저비용 미세 조정, 최첨단 벤치마크 성능, 바로 사용 가능한 추론/평가 스크립트, 그리고 새로운 밀도-비전 작업으로 확장 가능한 모듈식 YAML 기반 훈련 프레임워크를 제공합니다.