文章目录前言一、测试1.引入库二、训练1.引入库2.读入数据总结前言分享一下YOLOX具体实现过程一、测试首先看demo.py。1.引入库代码如下（示例）：line196：构建了一个predictor类，将测试图片输入outputs, img_info = predictor.inference(image_name)然后进入predictor的inference过程：img = cv2.imre

用于建筑物实例分割的大规模真实城市场景数据集UrbanBIS，UrbanBIS共包含6个真实场景，总面积高达10.78 km2，包含3370栋建筑，不仅提供城市场景的常见语义信息以及建筑物单体实例信息，同时提供细粒度的建筑物语义标注信息。是目前唯一一个可用于点云实例分割的大规模的3D真实城市场景数据集。

从一个真实或人工生成的单张图像中创建高保真度的3D内容。这将为艺术表达和创意开辟新的途径，例如为像Stable Diffusion这样的前沿2D生成模型创建的幻想图像带来3D效果。通过提供一种更易于访问和自动化的创建视觉上惊人的3D内容的方法，研究者希望吸引更广泛的受众加入到轻松的3D建模世界中来。本文探讨了仅使用单张图像创建高保真度3D内容的问题。这本质上是一项具有挑战性的任务，需要估计潜在的3

分享近期三维重建的最新文章。欢迎留言补充

摘要： 《DropGaussian》提出一种针对稀疏视角3D高斯溅射（3DGS）的结构正则化技术，通过随机移除部分高斯分布（DropGaussian）提升剩余高斯的可见性与梯度更新机会，有效缓解训练过拟合问题。该方法创新性包括：1）无需依赖外部先验，仅通过简单修改3DGS框架实现；2）自适应渐进式丢弃策略，在训练后期动态增强正则化强度。实验表明，该方法在LLFF、Mip-NeRF360和Blend

问题由于体积渲染的过程，NeRF的推理速度非常慢，这限制了在资源受限的硬件上（如移动设备）利用NeRF的应用场景。许多研究已经开展，以减少运行NeRF模型的延迟。然而，其中大多数仍需要高端GPU进行加速或额外的存储内存，这在移动设备上都不可用。方向另一个新兴方向利用神经光场（NeLF）进行加速，因为只需在射线上执行一次正向传递来预测像素颜色。然而，要达到与NeRF类似的渲染质量，NeLF中的网络设

本文提出IBGS方法，通过结合3D高斯溅射（3DGS）与图像残差学习，显著提升了新型视图合成（NVS）的质量。传统3DGS受限于低阶球面谐波，难以捕捉高频细节和视点相关效应。IBGS创新性地将像素颜色分解为基础色（3DGS渲染）和残差（从邻近训练图像学习），在保持存储效率的同时实现了精细色彩建模。具体实现包括：1）基于高斯中心与法向量的多视角特征提取；2）轻量级网络预测颜色残差；3）曝光校正模块处

Octree-GS提出了一种基于八叉树结构的神经场景表示方法，通过分层组织锚点实现高效渲染。该方法将锚点组织为多级LOD结构，支持动态选择不同层级的锚点进行渲染，并引入渐进式训练策略优化细节。关键技术包括：1）基于观测距离和可学习偏置的锚点选择机制；2）自适应高斯控制策略，通过梯度阈值管理锚点增长；3）外观嵌入技术处理动态光照变化。实验表明，Octree-GS在保证实时渲染的同时，能有效处理大规模

三维场景生成旨在为沉浸式媒体、机器人技术、自动驾驶和具身人工智能等应用合成空间结构化、语义丰富且逼真的环境。早期基于程序规则的方法虽然提供了可扩展性，但多样性有限。近年来，深度生成模型（如GANs、扩散模型）和三维表示（如NeRF、三维高斯分布）的进步使得学习真实世界场景分布成为可能，提高了保真度、多样性和视角一致性。最近的进展如扩散模型通过将生成问题重新定义为图像或视频合成问题，弥合了三维场景生

摘要： MapAnything是一个基于Transformer的前馈模型，能够通过单张或多张图像及可选几何输入（如相机参数、位姿、深度等）直接回归三维场景几何和相机参数。该模型采用分解表示方法，输出深度图、局部光线图、相机姿态和全局度量比例因子，将局部重建提升为全局一致的度量框架。通过跨数据集统一训练和输入增强技术，MapAnything可高效处理多种三维视觉任务（如SFM、MVS、深度估计等），