本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

從多視角視頻構(gòu)建動態(tài)場景的照片逼真的自由視角視頻（FVV）仍然是一項具有挑戰(zhàn)性的工作。盡管當前的神經(jīng)渲染技術(shù)取得了顯著的進步，但這些方法通常需要完整的視頻序列來進行離線訓練，并且無法實時渲染。為了解決這些限制，本文引入了3DGStream，這是一種專為真實世界動態(tài)場景的高效FVV流式傳輸而設(shè)計的方法。提出的方法在12秒內(nèi)實現(xiàn)了快速的動態(tài)全幀重建，并以200 FPS的速度實現(xiàn)了實時渲染。具體來說，我們使用3D高斯（3DG）來表示場景。與直接優(yōu)化每幀3DG的簡單方法不同，我們使用了一個緊湊的神經(jīng)變換緩存（NTC）來對3DG的平移和旋轉(zhuǎn)進行建模，顯著減少了每個FVV幀所需的訓練時間和存儲。此外，還提出了一種自適應的3DG添加策略來處理動態(tài)場景中的新興目標。實驗表明，與現(xiàn)有技術(shù)相比，3DGStream在渲染速度、圖像質(zhì)量、訓練時間和模型存儲方面具有競爭力。

論文鏈接：https://arxiv.org/pdf/2403.01444.pdf

論文名稱：3DGStream: On-the-fly Training of 3D Gaussians for Efficient Streaming of Photo-Realistic Free-Viewpoint Videos

代碼鏈接：https://sjojok.github.io/3dgstream/

3DGStream能夠以百萬像素的分辨率實時渲染照片逼真的FVV，具有異常快速的每幀訓練速度和有限的模型存儲要求。如圖1和圖2所示，與每幀從頭開始訓練的靜態(tài)重建方法和需要在完整視頻序列上進行離線訓練的動態(tài)重建方法相比，我們的方法在訓練速度和渲染速度方面都很出色，在圖像質(zhì)量和模型存儲方面保持了競爭優(yōu)勢。此外，我們的方法在所有相關(guān)方面都優(yōu)于StreamRF，這是一種處理完全相同任務的最先進技術(shù)。

3DGStream方法一覽

如下所示，給定一組多視角視頻流，3DGStream旨在構(gòu)建動態(tài)場景的高質(zhì)量FVV流。最初，優(yōu)化一組3DG來表示時間步長為0的場景。對于隨后的每個時間步長i，使用時間步長i?1中的3DG作為初始化，然后進行兩階段的訓練過程：第1階段：訓練神經(jīng)變換緩存（NTC）來對3DG的平移和旋轉(zhuǎn)進行建模。訓練結(jié)束后，NTC轉(zhuǎn)換3DG，為下一個時間步長和當前時間步長的下一階段做好準備。第二階段：在潛在位置生成特定于幀的附加3DG，并通過周期性拆分和修剪對其進行優(yōu)化。在兩階段過程結(jié)束后，變換后的3DG和附加的3DG都被用于在當前時間步長i進行渲染，只有變換后的3D被帶入下一個時間步長。

實驗結(jié)果對比

論文在兩個真實世界的動態(tài)場景數(shù)據(jù)集上進行了實驗：N3DV數(shù)據(jù)集和Meet Room數(shù)據(jù)集。N3DV數(shù)據(jù)集上的定量比較。訓練時間、所需存儲和PSNR在每個場景的整個300幀上取平均值。

Meet Room dataset性能對比：

3DG-S在初始幀上的質(zhì)量對于3DGStream至關(guān)重要。因此，我們繼承了3DGS的局限性，例如對初始點云的高度依賴性。如圖7所示，由于COLMAP無法重建遠處的景觀，在窗口之外存在明顯的偽影。因此，我們的方法將直接受益于未來對3DG-S的增強。此外，為了高效的訓練，我們限制了訓練迭代次數(shù)。

主要結(jié)論

3DGStream是一種高效的自由視點視頻流的新方法?；?DG-S，利用有效的神經(jīng)變換緩存來捕捉目標的運動。此外，還提出了一種自適應3DG添加策略，以準確地對動態(tài)場景中的新興目標進行建模。3DGStream的兩級pipeline實現(xiàn)了視頻流中動態(tài)場景的實時重建。在確保照片逼真的圖像質(zhì)量的同時，3DGStream以百萬像素的分辨率和適度的存儲空間實現(xiàn)了實時訓練（每幀約10秒）和實時渲染（約200FPS）。大量實驗證明了3DGStream的效率和有效性！