|
与现有先进的基于3DGS的方法相比,本文的方法实现了25%的速度提升、30%的内存消耗减少,并在质量上取得了更好的表现,为3D网格重建树立了新的基准。之前的研究表明,在多任务学习框架中结合语义分割(SS)和场景语义补全(SSC)可以提升两项任务的性能,其中 SS 提供详细的语义特征,补充 SSC 捕获的几何理解,使得两个模块都能从共享的特征提取中受益。所以,越来越多的研究人员愿意转向高保真的模拟器,如:CARLA等,来生成一些数据,虽然这些合成的数据与真实世界的数据还是存在一些domain gap。 (责任编辑:) |
