【博士论文】通过判别式与生成式学习方法推进 3D场景理解

本论文探讨了计算机视觉在赋予计算机通用智能方面的关键作用，重点关注如何开发算法，使机器能够感知并理解其三维环境。研究分为两个部分：判别式学习方法与生成式学习方法，并通过三个核心章节构建三维场景理解的整体框架。

在判别式学习方面，论文提出了一种用于点云分割的新方法，这是道路场景感知中的关键任务。该方法能够在整体处理点云的同时保留局部信息，即使在处理大规模输入数据的计算挑战下，仍能在对象与场景的分割中取得高精度表现。

生成式学习部分则聚焦于从二维图像生成完整的三维场景。论文首先研究了利用体渲染技术生成 3D 场景的相关方法，并提出了一种基于 Transformer 的端到端学习方法，作为物理渲染方法的替代方案。此外，论文借鉴现代游戏引擎的思路，设计了捕获场景光照信息的新方法，以提升渲染质量。

进一步地，研究还探索了基于 3D 高斯球体光栅化的新型渲染方法，并提出了另一种获取光照信息的策略，以进一步提升渲染效果。

本研究旨在促进计算机对三维世界的感知与交互能力，为自动驾驶、增强现实以及虚拟协作等下游应用带来显著优势，为实现机器理解 3D 世界的长远目标贡献了重要力量。