TriplaneGS-Fuser: Fuse the GS models of several parts within a few seconds

TriplaneGS-Fuser

本项目基于TriplaneGaussian.框架，提出一种基于低秩表示的高效无监督3D高斯散射模型配准与融合框架，旨在解决传统3DGS模型融合优化过程中效率低下问题。

📊 效果对比 (Performance Comparison)

NeRF Synthetic数据集完整管线的定量结果

ScanNet-GSReg数据集的定量结果

TriplaneGS-Fuser可以在几秒内完成高质量的融合

🔧 核心改进 (Key Improvements)

• 同3DGS的Splatting渲染RGB图类似，使用Splatting渲染特征三平面

• 多模态（连续和离散表示）的融合

• 基于点组分布高斯化的三平面建构

🚀 使用 (Usage)

• 复制项目

git clone https://github.com/THUSlll/TriPlaneGS-Fuser.git

• 配置Conda环境

conda env create -f environment.yml

注意！这里关于diff-gaussian-rasterization的安装并非来自标准包，而是Feature-Splatting，你可以在Spacetime Gaussian Feature Splatting中找到它的安装包

数据准备 (Data prepare)

你的数据应该这样存放：

<location>
|---train
|   |---scene 0
|   |	|---part 0
|   |	|	|---image
|   |	|	|---output
|   |	|---part 1
|   |	|...
|   |---scene 1
|   |---...
|---test
	|---...

训练 (Train)

预先计算你的数据中的深度：

python render_depth.py --config config/config_new.yaml --exp_name your_exp_name

训练你的模型

python train.py --config config/config_fuse.yaml --exp_name your_exp_name

Acknowledgements

我们的工作基于这些优秀的工作 Spacetime Gaussian Feature Splatting，TriplaneGaussian，gaussian-splatting，MambaVision，PointMamba，感谢这些团队的开源分享。