跳到正文
热点事件持续更新

CueSplat 框架实现边缘设备动态高斯泼溅加速

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

上海交通大学团队提出 CueSplat 后训练框架,旨在解决动态场景渲染中形变网络评估计算量大的问题。该框架利用局部时序规律预测高斯属性,并通过轻量级路由器在离线校准的预算内选择需精确更新的索引;同时复用邻近帧的选择结果以降低开销,引入漂移信号调度全形变帧以控制误差。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    CueSplat:面向边缘设备的动态高斯泼溅稀疏形变调度学习

    针对动态场景渲染中形变网络评估计算量大的问题,上海交通大学团队提出 CueSplat 后训练框架。该方法利用局部时序规律预测高斯属性,通过轻量级路由器在离线校准的预算内选择需精确更新的索引,并复用邻近帧的选择结果以降低开销;同时引入漂移信号调度全形变帧以控制误差。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月18日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。