待验证50% 置信事实精确时间
3D Gaussian Splatting（3DGS）是2023年提出的一种实时神经场景渲染方法，用大量三维高斯椭球体表示场景的几何与外观
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
已验证NeRF（神经辐射场）及其后继者Gaussian Splatting能够从2D图像重建可任意视角漫游的三维场景77% 相似待验证NeRF通过隐式神经网络将三维场景编码为连续体积密度与颜色函数，3D Gaussian Splatting以显式高斯椭球体表示场景几何且渲染速度更快77% 相似待验证3D高斯泼溅（3DGS）是近两年计算机图形学与三维重建领域最受关注的技术之一76% 相似已验证3DGS用数百万个带有位置、协方差矩阵、颜色（球谐系数）和不透明度属性的三维高斯椭球体来显式表示场景71% 相似待验证引入显式三维中间表示的流水线（先用深度估计或NeRF/3D Gaussian Splatting恢复场景几何，再从目标人物位置渲染新视角，最后用图像模型补全细节）可能比端到端方案更可控71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975863API
curl https://kongchang.com/api/v1/knowledge/claims/975863MCP
get_claim(id=975863)