12:20
官方账号arXiv cs.LG@Landon Dyken, Sharmistha Chakrabarti, Nathan Debardeleben, Steve Petruzza, Qi Wu, Will Usher, Sidharth Kumar
推荐理由：这篇论文用3D高斯替代隐式网络来压缩体数据，速度更快、省去网格存储，对非结构化数据尤其厉害。
CUDA加速
共 1 条相关 AI 资讯
7月2日
12:20
本文提出一种基于3D高斯原语的显式模型用于体数据压缩。该模型将3D高斯集合重新解释为标量场的显式表示。采用采样策略通过加权聚合重建标量值，并开发了CUDA加速的采样管线。与隐式神经表示相比，在结构化体数据上实现有竞争力的重建质量和显著训练加速，在非结构化体数据上全面优于现有方法。