Gaussian Splatting中球谐的使用定义在class GaussianModel中，球谐是通过下面的方式定义的： self._features_dc = torch.empty(0) # 第一个球谐系数，用于表示基础颜色 se

Colmap和Gaussian Splatting保存出来的ply文件格式解析Colmap打印Colmap稀疏重建的点云，前13行是这样的： ply format binary_little_endian 1.0 element verte

Compact 3DGS代码阅读Gaussian Volume Mask learn-able mask，用可以学习的掩膜去mask掉冗余的部分高斯函数 定义gaussian_model.py中def __init__()定义了learn

论文阅读《Compact 3D Gaussian Representation for Radiance Field》问题：3DGS需要大量的3D高斯来保持渲染图像的高保真度，这需要大量的内存和存储空间。 解决方案： 为了解决3DGS中关

项目主页：https://zju3dv.github.io/cg-slam/ 论文阅读《Efficient Dense RGB-D SLAM in a Consistent Uncertainty-aware 3D Gaussian Fie

论文阅读《Compact 3D Gaussian Splatting For Dense Visual SLAM》Motivation论文提到最近的3DGS SLAM都是建立在大量冗余3D高斯椭球上的，导致了高内存占用和存储成本，以及很慢的

论文阅读《RGBD GS-ICP SLAM》 从这篇论文的Fig. 1其实可以看出来，Gaussian Splatting SLAM虽然FPS较低，但是PSNR还是很高的。 关键问题 尽管基于3dgs的SLAM方法利用了高速渲染的优势，但

论文阅读《MIPS-Fusion: Multi-Implicit-Submaps for Scalable and Robust Online Neural RGB-D 》ReconstructionSystem Pipeline Mul

NeRF based SLAM学习笔记（7）：从Point NeRF到Loopy SLAMPoint NeRFSystem Overview 场景表征使用neural point cloud表示场景$$P = {(p_i, f_i, r_

论文阅读《ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields》和co-slam同时期的工作，他们都使用了TS

3DGS SLAM泛读（一）GS-SLAM贡献： 第一个3D高斯的稠密RGB-D SLAM方法 自适应3D高斯扩展策略，coarse to fine的选择可靠的3D高斯 8FPS的速度，平衡效率与精度 Overview： 场景表示：

NeRF based SLAM学习笔记（6）：关于co-slam中提到的one-blob编码one-blob编码对应的论文链接为：https://arxiv.org/pdf/1808.03856.pdf GPT4对one-blob编码的总