Tổng quan
Gaussian Splatting thể hiện cảnh 3D dưới dạng hàng triệu đốm màu nhỏ, có màu, bán trong suốt có thể được hiển thị trong thời gian thực. Nó mang lại hiệu ứng quang học giống NeRF trong khi chạy đủ nhanh để xem tương tác.
Gaussian Splatting thuộc về quy trình thị giác máy tính diễn giải hoặc tạo ra phương tiện trực quan để phân tích, vận hành và sáng tạo.
Lặn sâu
Được giới thiệu tại SIGGRAPH 2023, 3D Gaussian Splatting tái tạo lại các cảnh từ các bức ảnh như NeRF nhưng sử dụng cách trình bày rõ ràng thay vì mạng thần kinh ẩn. Mỗi cảnh là một đám mây gồm các Gaussian 3D, các đốm màu hình elip mờ và mỗi đốm màu lưu trữ một vị trí, kích thước và hướng (hiệp phương sai của nó), độ mờ và màu sắc. Thay vì bắn các tia từ từ qua mạng, phương pháp này "tách" các đốm màu này trực tiếp lên màn hình và trộn chúng, một quá trình gần với quá trình rasterization truyền thống và do đó rất nhanh. Quá trình đào tạo bắt đầu từ đám mây điểm thưa thớt do hiệu chỉnh máy ảnh tạo ra, sau đó tối ưu hóa các đốm màu trong khi thêm chi tiết một cách thích ứng vào những nơi cảnh chưa được tái tạo và cắt bớt ở những nơi có quá nhiều người. Kết quả là kết xuất thời gian thực ở 1080p với chất lượng sánh ngang với NeRF tốt nhất, đó là lý do tại sao nó lan truyền nhanh chóng thông qua các công cụ đồ họa và chụp ảnh.
Hiểu biết kỹ thuật
Điều quan trọng là một công cụ rasterizer dựa trên ô xếp có thể phân biệt được. Gaussian 3D được chiếu thành 2D, được sắp xếp theo độ sâu và được trộn alpha trên mỗi ô màn hình, do đó việc hiển thị sẽ tránh được việc di chuyển tia trên mỗi pixel khiến NeRF bị chậm. Màu sắc được lưu trữ với các sóng hài hình cầu, cho phép mỗi đốm màu thay đổi diện mạo theo góc nhìn để ghi lại sự phản chiếu. Bởi vì toàn bộ đường dẫn có thể phân biệt được, nên NeRF sử dụng cùng một phương pháp giảm độ dốc phù hợp với ảnh sẽ tối ưu hóa các vị trí, hình dạng, độ mờ và màu sắc của đốm màu, trong khi bước tăng mật độ sẽ phát triển hoặc phân tách Gaussian để thêm chi tiết còn thiếu.
Làm chủ kỹ thuật bắn tung tóe Gaussian
Gaussian Splatting thể hiện cảnh 3D dưới dạng hàng triệu đốm màu nhỏ, có màu, bán trong suốt có thể được hiển thị trong thời gian thực. Nó mang lại hiệu ứng quang học giống NeRF trong khi chạy đủ nhanh để xem tương tác. Gaussian Splatting thuộc về quy trình thị giác máy tính diễn giải hoặc tạo ra phương tiện trực quan để phân tích, vận hành và sáng tạo. Để xây dựng sự hiểu biết sâu sắc, hãy coi Gaussian Splatting như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Gaussian Splatting cân bằng độ chính xác với thực tế vận hành như chất lượng dữ liệu, phương sai ánh sáng và tính nhất quán của nhãn. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn. Đồng thời, quyền về hình ảnh và sự đồng ý có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Tạo các ảnh chụp phòng hoặc sản phẩm 3D theo thời gian thực, có thể khám phá được cho web
Sản xuất ảo và xem trước phim với các bộ ảnh thực tế, có thể điều hướng được
Quét 3D nhanh các vật thể và môi trường từ điện thoại hoặc video từ máy bay không người lái
Xây dựng các cảnh AR/VR tương tác chạy mượt mà trên phần cứng của người tiêu dùng
Các mẫu triển khai
Tách Gaussian trong thực tế
Tạo các ảnh chụp phòng hoặc sản phẩm 3D theo thời gian thực, có thể khám phá được cho web.
Tạo ảnh chụp phòng hoặc sản phẩm 3D theo thời gian thực, có thể khám phá cho web Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách Gaussian trong thực tế
Sản xuất ảo và xem trước phim với các bộ ảnh thực tế, có thể điều hướng được.
Sản xuất ảo và xem trước phim bằng các bối cảnh có thể điều hướng, quang học Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách Gaussian trong thực tế
Quét 3D nhanh các vật thể và môi trường từ điện thoại hoặc video từ máy bay không người lái.
Quét 3D nhanh các vật thể và môi trường từ điện thoại hoặc video từ máy bay không người lái Các nhóm thường nhận được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Tách Gaussian trong thực tế
Xây dựng các cảnh AR/VR tương tác chạy mượt mà trên phần cứng của người tiêu dùng.
Xây dựng các cảnh AR/VR tương tác chạy mượt mà trên phần cứng dành cho người tiêu dùng Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.