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.
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03