UnityGaussianSplatting 实验性项目安装与使用指南
目录结构概览
在打开 UnityGaussianSplatting 仓库之后,你会看到以下主要的目录和文件:
- packages
包含项目使用的各种软件包. - projects
这是实际 Unity 项目所在的文件夹. 其中包括了用于演示的 GaussianExample 项目.
projects 文件夹内结构分解
-
GaussianExample
- Assets
- 包含所有资源, 如纹理, 音频文件或脚本等.
- Library
- 存储编辑器元数据和编译的脚本, 不应手动修改.
- Temp
- 编辑器临时文件存储位置.
- GSTestScene.unity
- 主测试场景文件.
- Assets
-
Tools
- 包括项目特定工具, 如创建和管理 GaussianSplat 资产的工具.
-
.gitignore
- 规定哪些文件不应被版本控制跟踪.
-
LICENSE.md
- 指明该项目许可协议.
-
readme.md
- 提供项目概述以及如何运行和使用的信息.
启动文件介绍
为了体验并运行 UnityGaussianSplatting, 你需要从 projects 目录下导入或克隆 GaussianExample 到你的本地 Unity 环境中.
- GSTestScene.unity: 这是预设好的主测试场景. 在此场景中, 已经集成了必要的视觉效果和环境设置来展示 Gaussian Splatting 技术.
一旦将 GaussianExample 导入到你的 Unity 项目中, 开始时确保有支持 DirectX12 或者 Vulkan 的图形API可用, 因为该实验仅在这些平台上得到验证并支持. 接下来可以加载 GSTestScene 场景并在 Unity 中进行实时预览.
配置文件介绍
为了优化可视化结果, UnityGaussianSplatting 提供了一些配置选项.
创建 GaussianSplat 资源
通过 Unity 内的自定义菜单进行操作以创建和修改 GaussianSplatAsset:
-
Tools > Gaussian Splats > Create GaussianSplatAsset
使用这个菜单项可以在 Assets 文件夹下创建新的 GaussianSplat 资产.
此资产负责保存 Gaussian Splat 的参数, 如颜色分布, 高斯核参数以及光照模型. 可以进一步定制每种类型的高斯Splat 来匹配具体需求.
硬件兼容性和性能调优
图形 API 选择
请注意: 此项目明确要求使用 DirectX12 或 Vulkan API 运行, 在其他图形驱动(如 DirectX11)上运行可能不会成功. 在 Unity 的 Player 设置中确认已选正确的图形 API.
性能考量
GPU 排序代码
由 Thomas Smith 贡献的 #82 版本带来了 GPU 上的排序功能, 加速了渲染过程. 尽管如此, 必须考虑到原论文中的 GaussianSplats 训练软件对于商业用途需获得 INRIA 的许可证, 即使本项目使用的是 MIT License.
总体而言, UnityGaussianSplatting 是一个基于SIGGRAPH 2023 发表的 3D Gaussian Splatting 实验项目. 它利用 Unity 引擎来实现实时高斯拟合视效. 要充分挖掘其潜力, 请遵循上述指南进行配置和调整.
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00