Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
Tags
- vectorcalculus
- sensorfusion
- differentiablerendering
- covariancematrix
- rospackages
- roslaunch
- catkinworkspace
- 3dmapping
- electromagnetism
- Slam
- adaptivedensitycontrol
- opencv
- 3dgaussiansplatting
- usbcamera
- raspberrypi
- rostopics
- pointcloud
- tilebasedrasterizer
- turtlebot
- LIDAR
- Ros
- rosnoetic
- vectorfields
- alphablending
- imageprocessing
- realtimerendering
- ComputerVision
- NERF
- gaussiansplatting
- turtlebot3
Archives
- Today
- Total
목록covariancelearning (1)
Wiredwisdom
가우시안 스플래팅의 비등방성 학습 해결 방안
기존 가우시안 스플래팅의 특징: 2D 투영 과정:a) 3D 가우시안을 2D 이미지 평면에 투영할 때 대각 행렬만을 사용.b) 이는 계산 효율성을 위한 선택이었지만, 표현력에 제한. 공분산 학습의 한계:a) 2D 평면에서의 완전한 공분산 행렬을 학습하지 않다.b) 이로 인해 가우시안의 방향성과 비등방성(anisotropy)을 완전히 표현하기 어렵다. 축 정렬 성장:a) 가우시안이 분할될 때, 주로 x축과 y축을 따라 성장하게 된다.b) 이는 비축정렬(non-axis-aligned) 특성을 가진 표면이나 구조를 표현하는 데 제한적이다. 이러한 제한으로 인한 결과:a) 표현의 비효율성: 비축정렬 특성을 가진 표면을 표현하기 위해 더 많은 가우시안이 필요할 수 있다.b) 세부 표현의 한계: 복잡한 기하학적 구조..
3D Vision/Gaussian Splatting
2024. 7. 10. 01:32