SplatLab 是一个面向 3D 高斯泼溅(3DGS)研究的自主科研系统,旨在解决复现已发表论文需数周专家工程、现有自主研究系统受限于固定模板、可执行性低和可追溯性弱等问题。给定研究提示、目标论文链接或无输入,系统可复现基线、提出扩展方案、在 Mip-NeRF 360 和 LLFF 数据集上训练与消融、撰写论文,并将每个报告数值绑定到有记录的训练运行。其五项设计包括基于已验证复现骨架的插件变异、八岛级联加权 Elo 竞赛、失败扣分的常设证伪器、数值与训练日志强制绑定,以及七类 3DGS 分类法。在面向 PSNR 的运行中,生成论文较复现目标提升 0.18 至 3.78 dB,其中天体摄影星云渲染提升 3.78 dB,此前无对应 3DGS 方法。研究周期从数月研究生工作时间压缩至数天自主计算。
| 3D Gaussian Splatting (3DGS) | 一种用于实时辐射场渲染的3D表示方法,使用各向异性高斯函数进行场景建模。 |
| Elo tournament | 一种基于Elo评分系统的锦标赛机制,用于对候选方案进行相对排名和选择。 |
| PSNR | 峰值信噪比,一种衡量图像重建质量的指标,值越高表示质量越好。 |
| Mip-NeRF 360 | 一个用于无界场景新视角合成的基准数据集和评估协议。 |
| LLFF | 局部光场融合数据集,常用于评估新视角合成方法的前向场景。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅