Brush 0.2.0发布:高斯泼溅技术的重大升级
项目简介
Brush是一个基于高斯泼溅(Gaussian Splatting)技术的3D场景重建工具。高斯泼溅是近年来计算机视觉领域的一项重要技术突破,它通过将3D场景表示为大量可学习的高斯分布来实现高质量的神经渲染。Brush项目旨在提供一个高效、易用的高斯泼溅实现方案。
核心升级
性能与质量提升
Brush 0.2.0版本在mipnerf360场景测试中实现了比gsplat更高的PSNR/SSIM指标,这标志着该项目已经从概念验证阶段迈入实用阶段。通过内核优化、内存使用减少和各类性能瓶颈的修复,训练速度得到了显著提升。
全新命令行界面
项目引入了完整的CLI支持,用户可以通过简单的brush --help命令获取帮助信息。所有命令都支持--with-viewer参数,可以方便地打开UI进行调试。这一改进大大提升了工具的易用性和自动化能力。
动态高斯渲染
0.2.0版本新增了对动态泼溅的支持,可以处理:
- PLY文件序列(文件夹或zip压缩包)
- 带有增量帧的自定义数据格式"ply with delta frames" 这一特性使得Brush能够处理4D动态场景,为动画和时序数据重建提供了可能。
工作流增强
- 支持直接打开目录而不仅限于zip文件
- 新增透明图像处理能力,可以匹配或忽略alpha通道
- 改进了COLMAP和nerfstudio数据集格式的兼容性
- 训练时自动调整上轴方向以获得更平坦的地面效果
技术细节
渲染质量优化
项目团队实现了SH(球谐函数)值的正确钳制,改进了瓦片相交的发射方法,这些底层优化解决了潜在的着色器编译器相关问题。评估时模拟8位循环确保了公平的比较基准。
训练过程改进
新增了alpha_loss_weight参数用于控制alpha损失的权重,优化了splat修剪逻辑,添加了内存使用日志记录功能。导出功能也得到增强,支持按步数间隔导出PLY文件。
用户体验提升
- 全新的飞行控制模式,支持轨道、FPS、飞行和平移操作
- 网页版支持URL数据流式加载和"zen"全屏模式
- 更详细的错误追踪和调试信息
- 放松了UI中的数值输入限制
应用前景
Brush 0.2.0的发布使其成为高斯泼溅技术领域一个强有力的竞争者。动态泼溅支持为4D重建打开了大门,而性能提升和质量改进则使其更适合实际生产环境。随着项目继续发展,预计将在以下方向取得更多突破:
- 超越基础高斯泼溅的扩展功能
- 更强大的网页查看器体验
- 更鲁棒的场景重建能力
总结
Brush 0.2.0代表了高斯泼溅技术实用化的重要一步。通过核心算法优化、工作流改进和新功能添加,该项目已经具备了处理真实世界数据的能力。对于计算机视觉研究者和3D重建开发者来说,Brush提供了一个值得关注的高效解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00