摘要：以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

【On Scaling Up 3D Gaussian Splatting Training】

开源代码: GitHub - nyu-systems/Grendel-GS: Ongoing research ...

项目主页: https://daohanlu.github.io/scaling-up-3dgs

简要： 3D高斯泼溅( 3DGS )由于其优越的视觉质量和渲染速度，在三维重建中越来越受欢迎。然而，3DGS训练目前发生在单个GPU上，由于内存限制，限制了其处理高分辨率和大规模三维重建任务的能力。我们引入Grendel，这是一个分布式系统，用于划分3DGS参数，并在多个GPU上进行并行计算。由于每个高斯影响一个小的、动态的渲染像素子集，Grendel使用稀疏的all-to-all通信将所需的高斯转移到像素分区并执行动态负载均衡。与现有的3DGS系统每次使用一个相机视图图像进行训练不同，Grendel支持多视图的批量训练。我们探索了各种优化的超参数缩放策略，发现简单的sqrt ( batch _ size )缩放策略是非常有效的。使用大规模高分辨率场景的评估表明，格伦德尔通过在多个GPU上扩展3DGS参数来提高渲染质量。在" Rubble "数据集上，我们通过在16个GPU上分布4040万个高斯，实现了27.28的测试PSNR，而在单个GPU上使用1120万个高斯的PSNR为26.28。

「小六的机器人AI圈」

为机器人AI行业从业者提供从入门、学习、交流、求职、线下链接、合作、创业、行业内幕、咨询、答疑等一系列的服务。快人一步，步步领先！已沉淀6年，星球内部资料包括秘制视频课程、独家大咖采访及经验、项目对接、星主独家思考、同城线下交流会、求职招聘&笔面试题、学习打卡挑战、小组学习、最新前沿论文分享等等...

限时优惠立减 30元加入！送上千页独家答疑电子书！加入3天内不满意无条件退款。付款后务必联系客服领取权益~

来源：计算机视觉life