Проект F⁴Splat, представляющий метод прямого предсказания плотности для 3D-гауссианного сплешинга (3D Gaussian Splatting), стал доступен в открытом доступе. Разработка, представленная на конференции ECCV 2026, позволяет реконструировать 3D-сцены на основе нескольких входных изображений без необходимости длительной оптимизации для каждого отдельного случая.
Что произошло
Авторы проекта F⁴Splat опубликовали официальную реализацию на GitHub и предоставили предобученные чекпоинты для датасетов ACID и RealEstate10K. Метод реализует подход feed-forward для предсказания плотности в рамках технологии 3D Gaussian Splatting (3DGS).
Контекст
Традиционные методы 3DGS требуют трудоемкой итеративной оптимизации параметров для каждой новой сцены. Предложенный метод переходит к модели прямого предсказания, что кардинально меняет способ обработки визуальных данных при создании трехмерных моделей.
Почему это важно для индустрии
Переход от итеративной оптимизации к feed-forward подходу значительно снижает вычислительные затраты и ускоряет процесс реконструкции. Это делает технологию пригодной для использования в реальном времени и открывает путь к массовому внедрению 3DGS на мобильных устройствах и edge-устройствах.
Почему это важно для пользователей
Теперь создавать качественные 3D-сцены можно гораздо быстрее, используя всего несколько фотографий. Благодаря открытому коду и готовым весам, разработчики могут запускать высококачественную реконструкцию локально через Python, что существенно ускоряет процесс прототипирования.
Источники
Автор
Look at AI, редакция