研究
空间重建与空间理解方向上，真正影响过我们技术判断的少数几篇工作。
研究列表
- 20233D Gaussian Splatting for Real-Time Radiance Field Rendering用可微高斯表示辐射场，大幅提升了高质量场景重建的实时渲染能力。我们的线上空间渲染路线也从这类工作中获得了重要启发。arXiv（在新窗口打开）
- 2023DUSt3R: Geometric 3D Vision Made Easy无需预先提供精确的相机内外参数，即可从图像对直接回归出稠密三维结构，对复杂采集条件下的重建很有启发。arXiv（在新窗口打开）
- 2023Segment Anything通用分割让墙体、设备等空间对象能够被识别和指认，是空间理解能力的重要基础之一。arXiv（在新窗口打开）
- 2021Mip-NeRF 360: Unbounded Anti-Aliased Neural Radiance Fields面向无边界场景与多尺度抗锯齿问题，对景区、厂区这类大尺度空间重建有参考价值。arXiv（在新窗口打开）