1. Introducción
El mundo de la representación gráfica ha visto una serie de avances significativos en los últimos años. Una de estas innovaciones es el Gaussian Splatting, una técnica que utiliza "manchas" o "puntos" para representar y renderizar escenas tridimensionales. Comparativamente, el Neural Radiance Fields (NeRF) es otra técnica innovadora que ha ganado atención en la comunidad. Este artículo explora ambos métodos y ofrece una comparación entre ellos.

2. Gaussian Splatting
2.1. ¿Qué es?
El Gaussian Splatting es una técnica de renderización que se basa en pequeñas "manchas" que representan detalles tridimensionales en una escena. Estas manchas, cada una con su propia información tridimensional, se combinan para formar una representación completa y coherente de una escena.
2.2. Ventajas

• Reconstrucción 3D realista: Capaz de recrear escenas tridimensionales detalladas a partir de imágenes o vídeos.
• Rendimiento: Tiende a ser más eficiente en términos de tiempo de renderización y inferencia en comparación con otras técnicas.
• Detalles precisos: Representa detalles muy finos, como texturas y estructuras complejas.
• Flexibilidad: Puede ser utilizado tanto para escenas estáticas como para vídeos volumétricos.

3. Neural Radiance Fields (NeRF)
3.1. ¿Qué es?
NeRF es una técnica que representa una escena 3D utilizando campos continuos de radiación. Estos campos son definidos por redes neuronales profundas que mapean las coordenadas 3D a colores y densidades.
3.2. Ventajas

• Representación continua: A diferencia de las técnicas basadas en mallas o puntos, NeRF proporciona una representación continua de la escena, lo que puede ser ventajoso para detalles suaves y transiciones.
• Naturaleza basada en aprendizaje: Utiliza aprendizaje profundo, lo que puede llevar a representaciones más precisas con suficientes datos.

4. Comparación entre Gaussian Splatting y NeRF

• Rendimiento: Mientras que Gaussian Splatting puede ser más eficiente en ciertas implementaciones, NeRF requiere una inferencia profunda, lo que puede ser más lento.
• Representación: NeRF ofrece una representación continua, mientras que Gaussian Splatting se basa en la combinación de manchas discretas.
• Detalles: Ambas técnicas pueden representar detalles finos, pero la forma en que lo hacen difiere. NeRF se basa en el aprendizaje, mientras que Gaussian Splatting se centra en la agregación de puntos individuales.
• Aplicaciones: Ambas técnicas tienen aplicaciones en VR, videojuegos y cinematografía, pero la elección entre ellas puede depender de la naturaleza del proyecto y de las restricciones de tiempo real.

5. Conclusión
Tanto el Gaussian Splatting como el NeRF ofrecen técnicas prometedoras para la representación gráfica tridimensional. La elección entre ellos dependerá de las necesidades específicas del proyecto y de las restricciones de hardware y rendimiento. Con el tiempo, es probable que veamos evoluciones y combinaciones de estas técnicas a medida que la industria avance.

Enlaces de interes:

https://llava-vl.github.io/

https://arxiv.org/pdf/2309.17421.pdf

https://dynamic3dgaussians.github.io/