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.
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