[정리] NeRF & 3D Gaussian Splatting 연구 주제 분류

NeRF, 3D Gaussian Splatting 연구 주제 분류입니다. 

현재 발표된 논문들을 가능한 커버 할 수 있도록 정리해봤습니다.

 

 

이전에 작성한 글들을 참고 했습니다.

[논문 리뷰] A Survey on 3D Gaussian Splatting (Jan 2024)

[논문 정리] 3D Gaussian Splatting (3D-GS) 동향

[논문 정리] NeRF 개선 방향 및 기술 동향

 

 

 

Inputs

• Few Inputs : image수↓ / camera pose estimation / (3D-GS) without point cloud 
• Main Inputs : static scene / dynamic scene / text
  └ extra Inputs : rgb / rgbd / lidar / panorama / 3d mesh / SNS images / 3d trajectories
  └ views : multi-view images / single-view images / multi-scene images

Outputs

• Tasks : novel view 합성 / scene editing / 3d model / 3d segmentation / 3d trajectories
  └  사물/사람/배경 Editing : 이동 / 수정 (style, pose) / 제거 (inpaint) / 추가 / 조합 / relighting
• High-quality : image quality↑ / geometry quality↑ (SDF) / anti-aliasing / artifact removal
• Compact : memory↓ / large scene
• Real-time : training time↓ / rendering time↓

Solutions

• LVM(Large Vision Model) : input image수↓ / High-quality Scene / Segmentation
• SH(Spherical Harmonics) : training time↓ / rendering time↓
• Diffusion Model : few image input / text-to-3D / object editing / High-quality Scene
• SLAM : camera pose estimation / 3D reconstruction

 

 

연구 주제 정하실 때 도움이 되길 바랍니다. 분류에 대한 의견 환영합니다.