Yin的笔记本

vuePress-theme-reco Howard Yin    2021 - 2026
Yin的笔记本 Yin的笔记本

Choose mode

  • dark
  • auto
  • light
Home
Category
  • CNCF
  • Docker
  • namespaces
  • Kubernetes
  • Kubernetes对象
  • Linux
  • MyIdeas
  • Revolution
  • WebRTC
  • 云计算
  • 人工智能
  • 分布式
  • 图像处理
  • 图形学
  • 微服务
  • 数学
  • OJ笔记
  • 博弈论
  • 形式语言与自动机
  • 数据库
  • 服务器运维
  • 编程语言
  • C
  • Git
  • Go
  • Java
  • JavaScript
  • Nvidia
  • Python
  • Shell
  • Rust
  • Tex
  • Vue
  • 视频编解码
  • 计算机网络
  • SDN
  • 论文笔记
  • 讨论
  • 边缘计算
  • 量子信息技术
Tag
TimeLine
About
查看源码
author-avatar

Howard Yin

317

Article

157

Tag

Home
Category
  • CNCF
  • Docker
  • namespaces
  • Kubernetes
  • Kubernetes对象
  • Linux
  • MyIdeas
  • Revolution
  • WebRTC
  • 云计算
  • 人工智能
  • 分布式
  • 图像处理
  • 图形学
  • 微服务
  • 数学
  • OJ笔记
  • 博弈论
  • 形式语言与自动机
  • 数据库
  • 服务器运维
  • 编程语言
  • C
  • Git
  • Go
  • Java
  • JavaScript
  • Nvidia
  • Python
  • Shell
  • Rust
  • Tex
  • Vue
  • 视频编解码
  • 计算机网络
  • SDN
  • 论文笔记
  • 讨论
  • 边缘计算
  • 量子信息技术
Tag
TimeLine
About
查看源码
  • 3DGS转Mesh方法汇总 - 3DGS+SDF/UDF联合优化

    • NeuSG:让 GS 提供细节,让 SDF 提供连续表面和法线
      • (NeurIPS 2024) GSDF
        • (SIGGRAPH Asia 2024, ACM TOG) 3DGSR
          • (CVPR 2025 Highlight) GaussianUDF
            • (CVPR 2024) SuGaR: 先得到 mesh,再把 Gaussian 粘到三角面上

            3DGS转Mesh方法汇总 - 3DGS+SDF/UDF联合优化

            vuePress-theme-reco Howard Yin    2021 - 2026

            3DGS转Mesh方法汇总 - 3DGS+SDF/UDF联合优化


            Howard Yin 2026-07-30 06:10:00 图形学3D Gaussian Splatting

            3DGS+SDF/UDF联合优化 -> 对SDF/UDF Marching Cubes -> Mesh

            # NeuSG:让 GS 提供细节,让 SDF 提供连续表面和法线

            Gaussian 点云细节丰富,但不连续且有噪声;SDF 连续完整,但容易过平滑。让两种表示互相纠错,比单独使用任何一种都好。

            NeuSG是3DGS和一种Implicit Surfaces方法NeuS的结合。

            和PGSR一样,NeuSG也设置了一个loss强制拉低最短轴长并以最短轴长作为法线方向。 并且使用SDF的梯度方向约束法线方向。 另外,还用3DGS中点位置约束SDF,使其在这些位置处值为0,其实就是把3DGS约束在NeuS的表面上。 当然NeuS自己的loss也都保留。

            NeuS和3DGS的RGB loss是分开算了加在一起的。

            可以看出,作为3DGS+SDF联合优化的早期工作,NeuSG的本质就是在NeuS和3DGS分别优化的基础上加上了用NeuS梯度方向约束3DGS法线方向和把3DGS约束在NeuS的表面上这两个loss。

            虽然简单但是已经能体现处联合优化Mesh质量的思想。

            # (NeurIPS 2024) GSDF

            # (SIGGRAPH Asia 2024, ACM TOG) 3DGSR

            # (CVPR 2025 Highlight) GaussianUDF

            # (CVPR 2024) SuGaR: 先得到 mesh,再把 Gaussian 粘到三角面上

            帮助我们改善此页面!
            创建于: 2026-07-30 06:10:01

            更新于: 2026-07-30 06:10:01