- 综合排序
- 最热优先
- 最新优先
- 来自专栏冷冷
火爆外网的 DGS 框架使用
Netflix 已开放其 Domain Graph Service（DGS）框架的源代码 ，该框架是为了方便整合 GraphQL 使用，用于简化 GraphQL 的实现。 无需定义或修改后台 Controller、Service 等业务代码即可实现灵活的数据变更，客户端可以自由获取服务端事先定义好的数据，提高了交互接口的灵活性 组件依赖 graphql-dgs-spring-boot-starter <dependency> <groupId>com.netflix.graphql.dgs</groupId> <artifactId>graphql-dgs-spring-boot-starter </artifactId> <version>3.5.1</version> </dependency> DGS 必须从 jcenter 下载,不然部分依赖无法下载。 DGS 官网: https://netflix.github.io/dgs >>> 源码 https://gitee.com/log4j/pig，欢迎署名转载 <<<
1.2K20发布于 2021-03-04 - 来自专栏graphql
GraphQL实践9——Netflix Dgs Graphql数据更新
访问http://localhost:8080/graphiql即可看到在线查询页面
89130编辑于 2022-11-01 - 来自专栏graphql
GraphQL实践8——Netflix Dgs Graphql代码生成
功能介绍DGS官方开发了识别schema配置生成对应类型、测试类的代码生成器，而Maven插件则由社区维护Maven代码生成插件新增依赖<dependency> <groupId>com.netflix.graphql.dgs.codegen </groupId> <artifactId>graphql-dgs-codegen-client-core</artifactId> <version>5.1.17</version clean package即可生成对应的类图片存在问题IDEA默认不识别target目录下的资源文件，生成后会导致无法引用图片解决方法需要手动将对应的生成目录配置为Source Root即可图片图片总结DGS
1.5K30编辑于 2022-10-31 - 来自专栏graphql
GraphQL实践10——Netflix Dgs Graphql异步订阅
介绍GraphQL订阅模式支持服务端主动向客户端推送数据通知，避免客户端轮训DGS Subscriptions新增依赖此处使用的是SpringBoot Web组件，故引入websockets依赖如果使用的是 WebFlux则要引入对应的dgs-webflux <dependency> <groupId>com.netflix.graphql.dgs</groupId> <artifactId>graphql-dgs-subscriptions-websockets-autoconfigure</artifactId> </dependency>异步通知解析此处定义为当新增一个
809150编辑于 2022-11-02 - 来自专栏graphql
GraphQL实践5——Netflix Dgs Graphql懒加载
description: String actors: [Actor]}type Query { filmList: [Film]}解决方案——懒加载DGS框架中支持配置调用方传递了指定字段才读取对应的数据配置懒加载增加实体定义 InputArgument Integer id) { return filmRepository.getById(id); }}增加DgsDataFetchingEnvironment入参，DGS
1.2K40编辑于 2022-10-28 - 来自专栏graphql
GraphQL实践7——Netflix Dgs Graphql分页查询
问题背景上一篇文章提到，使用List查询每次都返回全量数据，而实际场景更多使用分页查询，graphql-java提供Connection实现游标分页，在Dgs也有对应功能扩展Relay Pagination 集成Relay Pagination新增依赖 <dependency> <groupId>com.netflix.graphql.dgs</groupId> <artifactId>graphql-dgs-pagination</artifactId> </dependency>Mybatis Plus 配置分页插件@Configuration
2.3K20编辑于 2022-10-28 - 来自专栏graphql
GraphQL实践4——Netflix Dgs Graphql集成Mybatis Plus
Graphql框架已经很简便，但其实使用graphql-java集成过于底层，很多扩展内容实现并不方便，例如：分页查询资源懒加载N+1问题Netflix 基于长期的Graphql实践，2020年开源了DGS Framework，让解决上述问题更加简单，大量开源系统集成Graphql也是通过集成DGS组件The DGS framework project started at Netflix in 2019 官网：Home - DGS Framework (netflix.github.io)引入依赖技术栈：SpringBoot 2.7.1Mybatis PlusJDK 17Dgs SpringBoot本次和上一篇文章一样 -- The DGS BOM/platform dependency. 与其他graphql-java组件的区别，都是集成简便，可以和任何数据源、ORM框架集成，后续将会逐步实践DGS特性，包括懒加载、N+1问题、分页组件等
1.4K31编辑于 2022-10-28 - 来自专栏graphql
GraphQL实践6——Netflix Dgs Graphql N+1问题
e.getActorId())).toList(); result.put(k, actorList); }); return result; }}Dgs
80310编辑于 2022-10-28 - 来自专栏我爱计算机视觉
北京大学 | 三维高斯溅射隐写术
3DGS训练者（Alice）需要原始场景与待隐藏场景的训练视图来训练我们的GS-Hider，这包括一个3DGS点云文件、场景解码器和信息解码器。 之后，Alice会将3DGS点云文件和场景解码器上传至网络。3DGS用户（Bob）能够渲染查看原始三维场景，但只有用于信息提取器的训练者有权提取隐藏的三维场景，以此实现版权保护或秘密通信。 因此，我们的任务设定是在拟合原始三维场景获得容器3DGS的过程中隐藏信息，随后从该容器3DGS中提取嵌入的信息。 版权保护：在3DGS的固定视角中隐藏图像。通过预先添加的版权图像与解码后的图像对比，验证3DGS的所有权。 图2：所提GS-Hider的总体框架概述。 实验结果 由于我们是首个提出的3DGS隐写方法，我们和几个直观的3DGS隐写方法，包括添加一个球谐系数来拟合隐藏场景（3DGS+SH），添加一个隐藏场景解码器（3DGS+Decoder）进行比较。
52810编辑于 2024-06-17 - 来自专栏AIGC 先锋科技
增强无界 3D 高斯扫描与视图一致的 2D 扩散优先级,3DGS-Enhancer在NVS增强中的先进效果 ！
作者提出了一种新的3DGS增强流水线，称为3DGS-Enhancer。 截至目前，这是首次针对提高低质量3DGS渲染结果的问题进行研究的工作，这在实际3DGS应用中广泛存在。 作者提出了一种新颖的3DGS增强 Pipeline 3DGS-Enhancer，以解决3DGS增强问题。 3DGS-Enhancer还采用新颖的微调策略，选择性地将视频LDM增强的视图集成到3DGS微调过程中。3DGS-Enhancer框架的示意图如图2所示。作者将在以下部分详细讨论框架的更多细节。 5 Experiments 3DGS-Enhance Dataset 鉴于3DGS表示的增强是一项新任务，作者创建了一个数据集来模拟3DGS表示的各种假象。
83410编辑于 2024-11-21 - 来自专栏全球技术精选
Netflix 的 API 架构演变历程
• DGS：全称是 Domain Graph Service，一个独立的 GraphQL 服务，开发人员在 DGS 中定义 Schema，每个 DGS 服务由各个后端 API 团队自己管理，可以选择把现有的微服务对接到 DGS，或者直接转换成 DGS 服务。 • Schema Registry：一个有状态的组件，保存每个 DGS 的全部的 Schema，并进行组合提供给网关。 • GraphQL Gateway：主要负责为客户端提供 GraphQL 查询服务，把大的查询分解成更小的子查询，然后转发到对应的下游 DGS 服务，最后通过网关返回数据给客户端。
70020编辑于 2022-09-05 - 来自专栏机器之心
挑战WorldLabs：Visionary，一个全面超越Marble底层渲染器的WebGPU渲染平台
近日，开源项目 Visionary 给出了一个截然不同的答案：基于 WebGPU 与 ONNX，在浏览器中实现真正的动态 3DGS / 4DGS 实时渲染，并在多项测试中全面超越 SparkJS。 、4DGS、Neural Avatar 以及生成式后处理均可在线运行。 Visionary 的核心设计在于提出了 Gaussian Generator Contract： 将各类 3DGS、4DGS 及 Avatar 方法统一导出为 ONNX 标准，每帧仅需输入相机、时间等轻量控制信号 这种设计使得渲染器不再受限于具体的算法细节，首次在浏览器端实现了每帧动态生成与更新高斯、同一渲染器承载多种 3DGS 变体以及接入生成式后处理（如风格化、增强）的能力。 性能实测： 全面超越 SparkJS 实验数据显示，在相同 3DGS 资源条件下，Visionary 的渲染效率显著优于当前主流 Web 端查看器。
29210编辑于 2025-12-31 - 来自专栏机器之心
ICLR 2025｜高效重建几何精准的大规模复杂三维场景，中科院提出CityGaussianV2
近来包括 SuGaR、2DGS、GOF 在内的一系列杰出工作针对这一问题进行了探索，并给出了有效的解决方案。 该算法继承了 CityGaussian 的子模型划分与数据分配方案，并使用 2DGS 作为基元来重建。 2DGS 旨在增强几何重建精度，并将椭球降维为椭圆面片作为基元表征场景，同时对渲染出的深度和法向量分布施加监督，保证重建表面的平整性。 CityGaussian 旨在将 3DGS 泛化到大场景，首先预训练一个表征全局场景的粗粒度的 3DGS 场，随后将预训练结果划分为一系列子模型，并根据子模型对训练视图渲染的贡献程度为每个子模型分配训练数据 我们观察到，在复杂大规模场景上，2DGS 在早期训练阶段比 3DGS 受到更严重的模糊伪影的干扰，导致在迭代次数有限的情况下性能显著劣于 3DGS。
52410编辑于 2025-02-06 - 来自专栏宜达数字
CAD转模型方法CAD转模型方法
主要内容：3dGS，MVO，GUI，Stream还有Modeling Kernel Bridge。 3dGS是HOOPS最为核心的模块，其负责HOOPS的绘图及数据管理任务。 3dGS使用纯C语言编写，HOOPS优秀的跨平台以及跨开发工具的特性也正是基于3dGS这一模块 原文链接：https://blog.csdn.net/lihaidong1991/article/details
1.7K10编辑于 2021-12-07 从视频孪生到空间语义——关于“看见”与“懂得”的技术哲学
万物皆可“微”：3DGS的语义觉醒视空映射技术其实是智汇云舟长期以来一直在沉淀的技术，但直到今天，它的价值才被真正放大，这要归功于3D高斯泼溅（3DGS）的出现。 当视空映射遇见3DGS，魔法才真正开始。 3DGS是由N个高斯椭球构成的，每个高斯椭球都携带（位置、形状、颜色、不透明度）参数，这种数据结构堪称神来之笔，它同时完美支持了“视频属性”和“孪生属性”，可以说是为视频孪生量身定做的3D数据结构。 不同于传统手工建模用的三角网格，3DGS的最小单元不是一个“面”，而是一个“点”。数学上，这意味着3DGS是连续可微分的。这种特性加上视空映射技术，让3DGS的自动语义化成为可能。 如果说传统的基于MESH网格的模型是“给人看”的，那么3DGS可以说是第一个“为AI看懂”而生的模型格式。智汇云舟正在对3DGS进行格式扩展，使其具备丰富的语义信息。
11210编辑于 2026-02-28- 来自专栏机器之心
SIGGRAPH Asia 2025：摩尔线程赢图形顶会3DGS挑战赛大奖，自研LiteGS全面开源
3DGS：下一代图形渲染的范式革命 开启 AI 加速的高效渲染时代 3D Gaussian Splatting（3DGS，三维高斯溅射）是 2023 年提出的一项革命性 3D 场景表示与渲染技术，以可参数化的 3DGS 以其高保真场景显示、快速优化能力和轻量级结构，为构建准确的世界模型提供了可靠支撑，有助于提升路径规划、环境感知和复杂操作任务的能力。 随着 AI 技术向 “理解并操作真实世界” 方向不断延展，3DGS 正逐渐成为具身智能训练场景中的关键基础技术之一。 SLAM 点云，在极短时间内完成完整的 3DGS 高质量重建。 开放协作 摩尔线程开源 3DGS 基础库 LiteGS 作为一种新兴的场景表示与新视角合成技术，3DGS 凭借高渲染质量与实时渲染速度，在计算机图形学与视觉领域实现了显著突破。
28310编辑于 2025-12-18 - 来自专栏新智元
纯RGB输入，解决户外场景SLAM！误差降低至9.8%，港科广开源 | ICRA 2025
现有基于3D高斯分布（3DGS）的SLAM方法虽在室内场景表现出色，但使用仅RGB输入来处理无界的户外场景仍然面临挑战： 准确的深度和尺度估计困难，这影响了姿态精度和3DGS初始化 图像重叠有限且视角单一 此外，将相机位姿估计与3DGS渲染集成到一个端到端可微的管道中，实现了位姿和3DGS参数的联合优化，显著提高了系统的跟踪精度。 随后，将估计得到的相机位姿与3DGS渲染结合，构建端到端可微分优化管线，使得相机位姿与3DGS场景参数能够同时优化，显著提高了系统的跟踪精度。 追踪 帧间点图回归与位姿估计 之前基于3DGS和NeRF的SLAM工作，主要集中在室内和小规模场景中，其中相机的运动幅度较小，视角密集。 在这种情况下，NeRF或3DGS可以直接用于优化相机位姿。 3DGS场景表示 研究人员使用3DGS作为场景表示，提出自适应尺度映射器（Adaptive Scale Mapper），在关键帧时为地图插入新的高斯点。
38900编辑于 2025-03-27 - 来自专栏点云PCL
NeRFs和3D高斯溅射技术如何重塑SLAM：综述
2024年的外圈预示着一个预期的激增，突显了对NeRF和3DGS启发的SLAM日益增长的兴趣。 主要贡献 1. 首次对SLAM的发展进行了广泛的综述，特别关注了受NeRF和3DGS启发的方法。 NeRFs和3DGS不仅能够处理噪声和遮挡，还能生成高分辨率的3D网格，显著提升了SLAM系统的性能。 图3：NeRF和3DGS在概念上有所不同。 3DGS通过在3D空间中使用高斯分布表示点云，实现了更高效的地图构建和更新。3DGS不仅减少了内存需求，还改进了噪声处理和遮挡处理，使得SLAM系统在动态和复杂环境中表现更加稳定。 有前景的技术包括基于3D高斯散射（3D Gaussian Splatting，3DGS）范式的显式表示。基于3DGS的显式表示在实现最先进的渲染精度的同时，也展示了更快的渲染速度。 3DGS以其高效的渲染、显式表示和丰富的优化能力，成为一个强大的替代方案。
2.4K11编辑于 2024-06-21 - 来自专栏人工智能前沿讲习
【源头活水】CityGaussian：VR/AR时代的城市重建新标杆
而新近提出的显式表征算法3D Gaussian Splatting（3DGS）以其可编辑性以及高效渲染为场景重建带来了新的可能。 另一方面，针对训练好的大规模3DGS表征，使用不同压缩率来得到不同细节层次的场景表征。 （1）训练阶段 首先训练一个体量较小、渲染质量较为粗糙的3DGS表征作为对场景的先验。以此为基础，我们在压缩后的坐标空间将高斯点划分为一系列互不重叠的区块。 每个子块随后可以并行训练，并行训练的结果在融合后即可得到整个场景的3DGS表征。训练流程如下图所示。 图4.验证LoD 视频效果演示 总结与展望 3DGS极大地推动了实时三维场景重建和新视图合成的进步。
80310编辑于 2024-07-17 - 来自专栏机器之心
告别3D高斯Splatting算法，带神经补偿的频谱剪枝高斯场SUNDAE开源了
图 1: (a) 3DGS 7k 迭代次数的结果；(b) 3DGS 30k 迭代次数的结果，使用了更多的高斯基元来表示三维场景，因此质量更高、速度更慢、存储空间更大；(c) 剪枝了 90% 的高斯基元， 二、实验结果 2.1 定量结果 我们将 SUNDAE 与最先进的 3DGS 和 NeRF 算法进行对比，相比于 3DGS 来说，我们的模型只占用了 10% 的内存就可以达到相似的效果，并且使用 30% 或 50% 的内存便能超过原版 3DGS。 如表 5 所示，Points 是训练后的基元数量，Ratio 是训练后基元数量与原始 3DGS 的大致比率。 实验结果表明，SUNDAE 在保持 3DGS 的效率的同时，显著减小了内存，提升了效率并且保持了高保真的渲染质量。
68710编辑于 2024-05-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号