#3dgs Repositórios
Descubra 31 repositórios ativos de código aberto no GitHub marcados com #3dgs, acumulando um total de 72,900 estrelas (uma média de 2,351 por projeto). O líder deste tópico é playcanvas/engine, com 17,340 estrelas.
31 repositórios no total
Lista selecionada de artigos e recursos focados em 3D Gaussian Splatting, com o objetivo de acompanhar o aumento previsto de pesquisas nos próximos meses.
Artigo sobre 3D Gaussian Splatting, em constante atualização, bem-vindo para interagir e discutir.
[CVPR 2024] Implementação oficial em PyTorch de SuGaR: Surface-Aligned Gaussian Splatting para Reconstrução de Malha 3D Eficiente e Renderização de Malha de Alta Qualidade
Treinador de Gaussian Splatting 3D compatível com diferentes fornecedores — de vídeo para splats e de splats para malha, com Vulkan ou CUDA.
Uma lista abrangente de artigos sobre Representações Implícitas, NeRF e 3D Gaussian Splatting relacionados ao domínio de SLAM/Robótica, incluindo artigos, vídeos, códigos e sites relacionados
Visualizador interativo 3D completo de Gaussian Splatting em Python para edição e análise em tempo real.
Ferramenta CLI e biblioteca para processamento e conversão de 3D Gaussian splat
[Destaque da CVPR 2026, CVPR Compute Gold Star] Código oficial para "FastGS: Treinando 3D Gaussian Splatting em 100 segundos"
Um rasterizador 3D Gaussian Splatting de alto desempenho, baseado em geometry shader e ordenado globalmente por CUDA. Pode atingir uma aceleração de 5 a 10 vezes na renderização em comparação com o diff-gaussian-rasterization 'vanilla' (padrão).
[ECCV 2026] Skyfall-GS: Síntese de cenas urbanas 3D imersivas a partir de imagens de satélite
Formato de arquivo para splats Gaussianos 3D. Cerca de 10 vezes menor que o equivalente PLY, com virtualmente nenhuma perda perceptível na qualidade visual. Oferecido como código aberto pela Niantic Labs. Mais detalhes em https://scaniverse.com/spz #3dgaussiansplats #gaussiansplatting
[TVCG2024] PGSR: Gaussian Splatting Baseado em Planos para Reconstrução de Superfície Eficiente e de Alta Fidelidade
Incorporação do Gaussian Splatting no Denoise por Difusão para Geração e Reconstrução Rápida e Escalável de Imagem-para-3D em Estágio Único (ICCV 2025)
DN-Splatter + AGS-Mesh: Priores de Profundidade e Normais para Gaussian Splatting
[CVPR 2026] Uma implementação em PyTorch do artigo "EDGS: Eliminando a Densificação para Convergência Eficiente de 3DGS"
Um renderizador multiplataforma e de alto desempenho para Gaussian Splatting usando Vulkan Compute. Suporta Windows, Linux, macOS, iOS e visionOS
Uma utilidade de linha de comando em Python para converter e processar modelos de 3D Gaussian Splatting. Suporta conversão N-para-N entre 3DGS (.ply), KSplat, SOG, SPZ, Splat, CloudCompare, Parquet e PLY comprimido. Inclui filtragem acelerada por GPU (SOR, Densidade).
Uma ferramenta de visualização leve baseada em pontos usada para inspecionar dados gaussianos, projetar movimento de câmera e exportar configurações para renderizadores gaussianos externos.
Implementação Oficial de Gaussianas de Rua Auto-Supervisionadas para Condução Autônoma
Visionário: O Carregador de Modelo Mundial Construído na Plataforma de Gaussian Splatting Alimentada por WebGPU
Este é um visualizador 3DGS (3D Gaussian Splatting) construído sobre Three.js, com recursos de marcação, medições, renderização LOD predefinida, etc.
🧙🏻♂️Uma lista de artigos selecionados para você mergulhar na incrível edição 3D baseada em campos de radiância.
Perguntas Frequentes
Qual é o repositório de #3dgs mais popular no GitHub?
O projeto de código aberto de #3dgs mais bem classificado no GitHub é playcanvas/engine, com 17,340 estrelas. Motor gráfico web de código aberto baseado em WebGPU e WebGL2
Quais linguagens de programação são mais usadas nos repositórios de #3dgs?
Entre os projetos de #3dgs mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, TypeScript, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #3dgs?
Acompanhamos 31 repositórios ativos de código aberto marcados com #3dgs (com mais de 500 estrelas), totalizando 72,900 estrelas e uma média de 2,351 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.