王宇龙的博客

这是我的第一篇博客文章，送给我们，我不要支支吾吾的情意，我的爱永远拿得出手，我要大大方方的，要阳光晒透的，要骄傲明媚的做好自己！

暂无摘要

欣欣小宝么么 我是王新婷，我最爱龙龙宝宝，我是龙龙最爱的老婆宝宝。是怦然心动的感觉。

用 PyTorch3D 将已有网格（OBJ）进行“贴图优化”（主要学习/优化纹理贴图），通过渲染和比较相机视图的 RGB 图像，最小化渲染图与真实图像的 L2 RGB 损失，从而调整纹理贴图（Texture maps）。

把 3DGS 优化看成“逐步拟合训练视图中越来越高频成分”的过程，通过 **频域引导的分辨率调度** + **分辨率引导的 primitive 数量调度**，在不同阶段动态控制优化复杂度，从而在几乎不降画质的情况下，大幅加速训练。

我爱你，王新婷 这是送给你的一个小小惊喜，也是在这个博客上的第一篇专门为你准备的文章。下面这个视频是属于我们的回忆或者你想放的任何片段： 你的浏览器不支持 video 标签，请下载视频观看。

优化3dgs，大幅加速训练。

SIGGRAPH 2024 Conference Papers论文，2D Gaussian Splatting（2DGS）通过将3D高斯"扁平化"为带有固有法线的2D定向椭圆盘，并结合透视正确的光线-溅射相交算法和几何正则化损失（深度失真+法线一致性），在保持3DGS实时渲染速度（~10分钟训练）的同时，实现了显著优于3DGS和接近隐式方法（如NeuS）的几何重建精度（DTU Chamfer距离0.80 vs 3DGS的1.96），解决了体积3D高斯无法准确表示薄表面几何的核心问题。

CVPR 2024论文，提出将3D Gaussian Splatting与2D CNN结合的虚拟化身建模方法，实现高保真动态细节和实时渲染。

详细介绍如何在博客中插入图片、视频、代码和数学公式。

深入解析 3D Gaussian Splatting 算法原理，包括数学推导、代码实现和优化思路。