सिंगल-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन के साथ कॉन्वोल्यूशनल नेटवर्क ने उल्लेखनीय क्षमताएं प्रदर्शित की हैं। सिंगल-व्यू 3डी रिकंस्ट्रक्शन मॉडल किसी भी ऑब्जेक्ट का 3डी मॉडल एक ही इमेज का उपयोग करके उत्पन्न करते हैं, जो कंप्यूटर विजन में शोध के सबसे गर्म विषयों में से एक बन गया है।

उदाहरण के लिए, आइए ऊपर दी गई इमेज में मोटरबाइक पर विचार करें। इसकी 3डी संरचना को उत्पन्न करने के लिए एक जटिल पाइपलाइन की आवश्यकता होती है जो पहले निम्न-स्तरीय इमेज से संकेतों को उच्च-स्तरीय सेमांटिक जानकारी और भागों के संरचनात्मक व्यवस्था के ज्ञान के साथ जोड़ती है।

जटिल प्रक्रिया के कारण, सिंगल-व्यू 3डी रिकंस्ट्रक्शन कंप्यूटर विजन में एक प्रमुख चुनौती रही है। सिंगल-व्यू 3डी रिकंस्ट्रक्शन की दक्षता में सुधार करने के प्रयास में, डेवलपर्स ने स्प्लैटर इमेज पर काम किया है, जो ऑब्जेक्ट्स के अल्ट्रा-फास्ट सिंगल-व्यू 3डी आकार और 3डी उपस्थिति निर्माण को प्राप्त करने का लक्ष्य रखता है। इसके मूल में, स्प्लैटर इमेज फ्रेमवर्क गॉसियन स्प्लैटिंग विधि का उपयोग 3डी प्रतिनिधित्व का विश्लेषण करने के लिए करता है, जो इसकी गति और गुणवत्ता का लाभ उठाता है।

हाल ही में, गॉसियन स्प्लैटिंग विधि को विभिन्न मल्टी-व्यू रिकंस्ट्रक्शन मॉडल द्वारा वास्तविक समय में रेंडरिंग, सुधारित स्केलिंग और तेज़ प्रशिक्षण के लिए लागू किया गया है। इसके साथ ही, स्प्लैटर इमेज पहला फ्रेमवर्क है जो सिंगल-व्यू रिकंस्ट्रक्शन कार्यों के लिए गॉसियन स्प्लैटिंग विधि को लागू करता है।

इस लेख में, हम यह देखेंगे कि स्प्लैटर इमेज फ्रेमवर्क गॉसियन स्प्लैटिंग का उपयोग करके अल्ट्रा-फास्ट सिंगल-व्यू 3डी रिकंस्ट्रक्शन कैसे प्राप्त करता है। तो आइए शुरू करें।

स्प्लैटर इमेज: अल्ट्रा-फास्ट सिंगल-व्यू 3डी रिकंस्ट्रक्शन

जैसा कि पहले उल्लेख किया गया है, स्प्लैटर इमेज एक अल्ट्रा-फास्ट दृष्टिकोण है जो सिंगल-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन के लिए गॉसियन स्प्लैटिंग विधि पर आधारित है। स्प्लैटर इमेज पहला कंप्यूटर विजन फ्रेमवर्क है जो मोनोक्युलर 3डी ऑब्जेक्ट जेनरेशन के लिए गॉसियन स्प्लैटिंग को लागू करता है, क्योंकि परंपरागत रूप से गॉसियन स्प्लैटिंग ने मल्टी-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन फ्रेमवर्क को शक्ति प्रदान की है। हालांकि, पिछले तरीकों से स्प्लैटर इमेज फ्रेमवर्क को अलग करने वाली बात यह है कि यह एक सीखने-आधारित दृष्टिकोण है, और परीक्षण में रिकंस्ट्रक्शन केवल तंत्रिका नेटवर्क के फीड-फॉरवर्ड मूल्यांकन की आवश्यकता होती है।

स्प्लैटर इमेज मूल रूप से गॉसियन स्प्लैटिंग की रेंडरिंग गुणों और उच्च प्रसंस्करण गति पर निर्भर करता है जो 3डी रिकंस्ट्रक्शन को उत्पन्न करता है। स्प्लैटर इमेज फ्रेमवर्क में एक सीधा डिज़ाइन है: फ्रेमवर्क एक 2डी इमेज-टू-इमेज तंत्रिका नेटवर्क का उपयोग करता है जो प्रत्येक इनपुट इमेज पिक्सेल के लिए एक 3डी गॉसियन की भविष्यवाणी करता है, और इनपुट इमेज को एक 3डी गॉसियन में मैप करता है। परिणामी 3डी गॉसियन एक इमेज के रूप में होते हैं, जिसे स्प्लैटर इमेज के रूप में जाना जाता है, और वे गॉसियन 360 डिग्री प्रतिनिधित्व प्रदान करते हैं। प्रक्रिया निम्नलिखित इमेज में प्रदर्शित की गई है।

हालांकि प्रक्रिया सरल और सीधी है, स्प्लैटर इमेज फ्रेमवर्क को सिंगल-व्यू 3डी प्रतिनिधित्व के लिए 3डी गॉसियन को उत्पन्न करने के लिए गॉसियन स्प्लैटिंग का उपयोग करते समय कुछ प्रमुख चुनौतियों का सामना करना पड़ता है। पहली बड़ी बाधा एक तंत्रिका नेटवर्क को डिज़ाइन करना है जो ऑब्जेक्ट की इमेज को इनपुट के रूप में स्वीकार करता है और आउटपुट के रूप में सभी पक्षों का प्रतिनिधित्व करने वाले गॉसियन मिश्रण की भविष्यवाणी करता है। इसे संबोधित करने के लिए, स्प्लैटर इमेज फ्रेमवर्क गॉसियन मिश्रण को एक अनुक्रमिक डेटा संरचना में संग्रहीत करने के लिए इस तथ्य का लाभ उठाता है कि यह एक सेट या एक अनुक्रमिक संग्रह हो सकता है। इसके अनुसार, फ्रेमवर्क एक 2डी इमेज का उपयोग 3डी गॉसियन के लिए एक कंटेनर के रूप में करता है, जिसके परिणामस्वरूप प्रत्येक पिक्सेल में एक गॉसियन के पैरामीटर होते हैं, जिनमें इसके गुण जैसे आकार, अपारदर्शिता और रंग शामिल हैं।

3डी गॉसियन सेट को एक इमेज में संग्रहीत करके, स्प्लैटर इमेज फ्रेमवर्क इमेज-टू-इमेज तंत्रिका नेटवर्क सीखने के दौरान सामने आने वाली रिकंस्ट्रक्शन बाधाओं को कम कर सकता है। इस दृष्टिकोण का उपयोग करके, रिकंस्ट्रक्शन प्रक्रिया को केवल कुशल 2डी ऑपरेटरों का उपयोग करके लागू किया जा सकता है, 3डी ऑपरेटरों पर निर्भर नहीं है। इसके अलावा, स्प्लैटर इमेज फ्रेमवर्क में, 3डी प्रतिनिधित्व एक 3डी गॉसियन मिश्रण है, जो गॉसियन स्प्लैटिंग द्वारा प्रदान की गई रेंडरिंग गति और मेमोरी दक्षता के लाभों का लाभ उठाने में सक्षम बनाता है, जो प्रशिक्षण और अनुमान दोनों में दक्षता में सुधार करता है। आगे बढ़ते हुए, स्प्लैटर इमेज फ्रेमवर्क न केवल सिंगल-व्यू 3डी प्रतिनिधित्व उत्पन्न करता है, बल्कि यह भी उल्लेखनीय दक्षता प्रदर्शित करता है क्योंकि यह एक ही जीपीयू पर मानक 3डी ऑब्जेक्ट बेंचमार्क पर प्रशिक्षित किया जा सकता है। इसके अलावा, स्प्लैटर इमेज फ्रेमवर्क को कई इमेज को इनपुट के रूप में लेने के लिए विस्तारित किया जा सकता है। यह एक सामान्य संदर्भ में व्यक्तिगत गॉसियन मिश्रण को पंजीकृत करके और फिर व्यक्तिगत दृश्यों से भविष्यवाणी की गई गॉसियन मिश्रण के संयोजन को लेकर ऐसा करता है। फ्रेमवर्क अपनी वास्तुकला में हल्के क्रॉस-ध्यान层 भी इंजेक्ट करता है जो अनुमान के दौरान विभिन्न दृश्यों को एक दूसरे के साथ संवाद करने की अनुमति देता है।

एक अनुभवजन्य दृष्टिकोण से, यह ध्यान देने योग्य है कि स्प्लैटर इमेज फ्रेमवर्क ऑब्जेक्ट के 360 डिग्री पुनर्निर्माण का उत्पादन कर सकता है, भले ही यह केवल एक पक्ष देखता है। फ्रेमवर्क तब 2डी पड़ोस में विभिन्न गॉसियन को 3डी ऑब्जेक्ट के विभिन्न भागों में सौंप देता है ताकि 2डी इमेज में 360 डिग्री जानकारी को संकोड़ित किया जा सके। इसके अलावा, फ्रेमवर्क कई गॉसियन की अपारदर्शिता को शून्य में सेट करता है, जो उन्हें निष्क्रिय करता है, जिससे उन्हें पोस्ट-प्रोसेसिंग के दौरान हटाया जा सकता है।

सारांश में, स्प्लैटर इमेज फ्रेमवर्क

1. गॉसियन स्प्लैटिंग दृष्टिकोण को लागू करके सिंगल-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन को उत्पन्न करने के लिए एक नया दृष्टिकोण है।
2. मल्टी-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन के लिए विधि का विस्तार करता है।
3. मानक बेंचमार्क पर असाधारण गति और गुणवत्ता के साथ 3डी ऑब्जेक्ट रिकंस्ट्रक्शन प्रदर्शन में राज्य के स्तर पर प्रदर्शन प्राप्त करता है।

स्प्लैटर इमेज: विधि और वास्तुकला

गॉसियन स्प्लैटिंग

जैसा कि पहले उल्लेख किया गया है, गॉसियन स्प्लैटिंग स्प्लैटर इमेज फ्रेमवर्क द्वारा सिंगल-व्यू 3डी ऑब्जेक्ट रिकंस्ट्रक्शन को उत्पन्न करने के लिए लागू की गई प्राथमिक विधि है। सरल शब्दों में, गॉसियन स्प्लैटिंग एक रास्टराइजेशन विधि है जो 3डी इमेज को पुनर्निर्मित करने और वास्तविक समय में रेंडरिंग इमेज को प्रदान करती है जो कई दृष्टिकोणों से देखी जा सकती है। 3डी स्पेस में गॉसियन के रूप में संदर्भित किया जाता है, और मशीन लर्निंग तकनीकों का उपयोग प्रत्येक गॉसियन के पैरामीटर सीखने के लिए किया जाता है। गॉसियन स्प्लैटिंग को रेंडरिंग के दौरान प्रशिक्षण की आवश्यकता नहीं होती है, जो तेज़ रेंडरिंग समय को सुविधाजनक बनाता है। निम्नलिखित इमेज 3डी गॉसियन स्प्लैटिंग की वास्तुकला को सारांशित करती है।

3डी गॉसियन स्प्लैटिंग पहले इनपुट इमेज का उपयोग करके एक पॉइंट क्लाउड उत्पन्न करता है। गॉसियन स्प्लैटिंग तब इनपुट इमेज का उपयोग करके कैमरे के बाहरी पैरामीटर जैसे कि झुकाव और स्थिति का अनुमान लगाता है, और इन पैरामीटर का उपयोग पॉइंट क्लाउड की गणना के लिए किया जाता है। विभिन्न मशीन लर्निंग विधियों का उपयोग करके, गॉसियन स्प्लैटिंग तब प्रत्येक गॉसियन के लिए चार पैरामीटर को अनुकूलित करता है: स्थिति (यह कहां स्थित है), कोवेरियन्स (इसके फैलाव या स्केलिंग की डिग्री), रंग (इसका आरजीबी रंग योजना), और अल्फा (इसकी पारदर्शिता को मापने वाला कारक)। अनुकूलन प्रक्रिया प्रत्येक कैमरा स्थिति के लिए इमेज को रेंडर करती है और पैरामीटर को मूल इमेज के करीब लाने के लिए इसका उपयोग करती है। परिणामी 3डी गॉसियन स्प्लैटिंग आउटपुट एक इमेज है जिसे स्प्लैटर इमेज कहा जाता है, जो मूल इमेज के सबसे करीबी होती है जिस स्थिति से यह कब्जा किया गया था।

इसके अलावा, गॉसियन स्प्लैटिंग में अपारदर्शिता फंक्शन और रंग फंक्शन एक 3डी बिंदु के दृश्य दिशा के साथ एक रेडियंस फील्ड प्रदान करते हैं। फ्रेमवर्क तब रेडियंस फील्ड को एक इमेज पर रेंडर करता है जो पिक्सेल के माध्यम से गुजरने वाली रे के साथ एकीकृत रंगों को देखता है। गॉसियन स्प्लैटिंग इन फंक्शन को रंगीन गॉसियन के संयोजन के रूप में प्रस्तुत करता है, जहां गॉसियन का माध्य या केंद्र और गॉसियन का संयोजन इसके आकार और आकार को निर्धारित करने में मदद करता है। प्रत्येक गॉसियन में एक अपारदर्शिता संपत्ति और एक दृश्य-निर्भर रंग संपत्ति भी होती है जो मिलकर रेडियंस फील्ड को परिभाषित करती हैं।

स्प्लैटर इमेज

रेंडरर घटक 3डी गॉसियन को एक इमेज में मैप करता है। सिंगल-व्यू 3डी रिकंस्ट्रक्शन को प्राप्त करने के लिए, फ्रेमवर्क तब 3डी गॉसियन के लिए एक व्युत्क्रम फंक्शन की तलाश करता है जो एक इमेज से 3डी गॉसियन मिश्रण का पुनर्निर्माण करता है। यहां की मुख्य बात एक प्रभावी और सरल डिज़ाइन के लिए व्युत्क्रम फंक्शन का प्रस्ताव है। विशेष रूप से, एक इनपुट इमेज के लिए, फ्रेमवर्क एक इमेज-टू-इमेज तंत्रिका नेटवर्क आर्किटेक्चर का उपयोग करके एक गॉसियन की भविष्यवाणी करता है और आउटपुट के रूप में एक इमेज, स्प्लैटर इमेज उत्पन्न करता है। नेटवर्क आकार, अपारदर्शिता और रंग की भविष्यवाणी भी करता है।

अब, यह अनुमान लगाया जा सकता है कि स्प्लैटर इमेज फ्रेमवर्क ऑब्जेक्ट के 3डी प्रतिनिधित्व को कैसे पुनर्निर्मित कर सकता है, भले ही इसके पास केवल एक दृश्य हो? वास्तविक समय में, स्प्लैटर इमेज फ्रेमवर्क कुछ गॉसियन का उपयोग दृश्य को पुनर्निर्मित करने के लिए सीखता है, और शेष गॉसियन का उपयोग दृश्य के अनदेखे हिस्सों को स्वचालित रूप से पुनर्निर्मित करने के लिए करता है। अपनी दक्षता को अधिकतम करने के लिए, फ्रेमवर्क अपारदर्शिता शून्य होने पर गॉसियन को स्वचालित रूप से बंद कर सकता है। यदि अपारदर्शिता शून्य है, तो गॉसियन बंद हो जाते हैं और फ्रेमवर्क इन बिंदुओं को रेंडर नहीं करता है, और उन्हें पोस्ट-प्रोसेसिंग के दौरान हटा दिया जाता है।

इमेज स्तर की हानि

गॉसियन स्प्लैटिंग विधि द्वारा प्रदान की गई गति और दक्षता का लाभ उठाने का एक प्रमुख लाभ यह है कि यह फ्रेमवर्क को प्रत्येक पुनरावृत्ति के लिए सभी इमेज को रेंडर करने में सक्षम बनाता है, यहां तक कि बड़े बैच आकार वाले बैच के लिए भी। इसके अलावा, यह दर्शाता है कि फ्रेमवर्क न केवल विभाज्य हानि का उपयोग कर सकता है, बल्कि यह इमेज-स्तरीय हानि का भी उपयोग कर सकता है जो प्रति-पिक्सेल हानि में विभाजित नहीं होती है।

स्केल सामान्यीकरण

एक ही दृश्य से ऑब्जेक्ट का आकार अनुमान लगाना चुनौतीपूर्ण है, और यह एक जटिल कार्य है जो हानि के साथ प्रशिक्षित होने पर इस अस्पष्टता को हल करने के लिए। यही मुद्दा सिंथेटिक डेटासेट में नहीं देखा जाता है क्योंकि सभी ऑब्जेक्ट समान कैमरा इन्ट्रिंसिक के साथ और कैमरे से एक निश्चित दूरी पर रेंडर किए जाते हैं, जो अंततः अस्पष्टता को हल करने में मदद करता है। हालांकि, वास्तविक जीवन की इमेज वाले डेटासेट में, अस्पष्टता स्पष्ट है, और स्प्लैटर इमेज फ्रेमवर्क कई पूर्व-प्रसंस्करण विधियों का उपयोग करके सभी ऑब्जेक्ट्स के आकार को लगभग तय करने के लिए करता है।

दृश्य-निर्भर रंग

दृश्य-निर्भर रंग का प्रतिनिधित्व करने के लिए, स्प्लैटर इमेज फ्रेमवर्क गोलाकार हार्मोनिक्स का उपयोग करता है जो लैम्बर्टियन रंग मॉडल से परे रंगों को सामान्य बनाने के लिए। प्रत्येक गॉसियन के लिए, मॉडल नेटवर्क द्वारा भविष्यवाणी किए गए सहगुण और गोलाकार हार्मोनिक्स को परिभाषित करता है। दृश्य दिशा में परिवर्तन कैमरा स्रोत में दृश्य दिशा को संदर्भ फ्रेम में इसके संबंधित दृश्य दिशा में परिवर्तित करता है। मॉडल तब संबंधित सहगुण को खोजने के लिए दृश्य-निर्भर रंग फंक्शन को खोजने के लिए करता है। मॉडल ऐसा करने में सक्षम है क्योंकि गोलाकार हार्मोनिक्स घूर्णन के तहत बंद होते हैं, साथ ही साथ हर क्रम में भी।

तंत्रिका नेटवर्क वास्तुकला

गॉसियन मिश्रण को इनपुट इमेज में मैप करने वाले प्रेडिक्टर की वास्तुकला का अधिकांश भाग सोंगयूनेट फ्रेमवर्क में उपयोग की जाने वाली प्रक्रिया के समान है। वास्तुकला में अंतिम परत को 1×1 कॉन्वोल्यूशनल लेयर द्वारा प्रतिस्थापित किया जाता है जिसमें रंग मॉडल आउटपुट चैनलों की चौड़ाई को निर्धारित करता है। दी गई इनपुट इमेज के लिए, नेटवर्क एक आउटपुट चैनल टेंसर का उत्पादन करता है, और प्रत्येक पिक्सेल चैनल के लिए, यह पैरामीटर को एन्कोड करता है जो तब ऑफसेट, अपारदर्शिता, घूर्णन, गहराई और रंग में परिवर्तित हो जाता है। फ्रेमवर्क तब गॉसियन पैरामीटर प्राप्त करने के लिए पैरामीटर को सक्रिय करने के लिए गैर-रेखीय फंक्शन का उपयोग करता है।

मल्टी-व्यू 3डी रिकंस्ट्रक्शन के लिए, स्प्लैटर इमेज फ्रेमवर्क प्रत्येक इनपुट दृश्य पर समान नेटवर्क लागू करता है, और फिर दृश्य दृष्टिकोण का उपयोग करके व्यक्तिगत पुनर्निर्माण को जोड़ता है। इसके अलावा, दृश्यों के बीच फ्रेमवर्क में कुशल समन्वय और जानकारी के आदान-प्रदान की सुविधा के लिए, स्प्लैटर इमेज फ्रेमवर्क नेटवर्क में दो संशोधन करता है। पहले, फ्रेमवर्क मॉडल को अपने संबंधित कैमरा पोज़ के साथ स्थिति देता है, और प्रत्येक प्रविष्टि को साइनसॉइडल पози्शन एम्बेडिंग का उपयोग करके कई आयामों में एन्कोड करके वेक्टर पास करता है। दूसरे, फ्रेमवर्क विभिन्न दृश्यों की विशेषताओं के बीच संवाद की सुविधा के लिए क्रॉस-ध्यान परतें जोड़ता है।

स्प्लैटर इमेज: प्रयोग और परिणाम

स्प्लैटर इमेज फ्रेमवर्क अपने पुनर्निर्माण की गुणवत्ता को मापता है नोवेल व्यू सिंथेसिस गुणवत्ता का मूल्यांकन करके, क्योंकि फ्रेमवर्क स्रोत दृश्य का उपयोग करके 3डी आकार को रेंडर करता है और लक्ष्य दृश्यों में पुनर्निर्माण करने के लिए। फ्रेमवर्क अपने प्रदर्शन का मूल्यांकन एसएसआईएम या संरचनात्मक समानता, पीक सिग्नल-टू-नॉइज़ रेशियो या पीएसएनआर, और संवेदी गुणवत्ता या एलपीआईपीएस स्कोर को मापकर करता है।

सिंगल-व्यू 3डी रिकंस्ट्रक्शन प्रदर्शन

निम्नलिखित तालिका शेपनेट बेंचमार्क पर सिंगल-व्यू 3डी रिकंस्ट्रक्शन कार्य में स्प्लैटर इमेज मॉडल के प्रदर्शन को प्रदर्शित करती है।

जैसा कि देखा जा सकता है, स्प्लैटर इमेज फ्रेमवर्क एलपीआईपीएस और एसएसआईएम स्कोर में सभी निर्धारित रिकंस्ट्रक्शन विधियों को पार करता है। स्कोर इंगित करते हैं कि स्प्लैटर इमेज मॉडल तेज़ पुनर्निर्माण के साथ इमेज उत्पन्न करता है। इसके अलावा, स्प्लैटर इमेज मॉडल पीएसएनआर स्कोर में भी सभी निर्धारित बेसलाइन को पार करता है, जो दर्शाता है कि उत्पन्न पुनर्निर्माण अधिक सटीक हैं। इसके अलावा, निर्धारित विधियों को पार करने के अलावा, स्प्लैटर इमेज फ्रेमवर्क को केवल सापेक्ष कैमरा पोज़ की आवश्यकता होती है जो प्रशिक्षण और परीक्षण दोनों चरणों में इसकी दक्षता में सुधार करता है।

निम्नलिखित इमेज स्प्लैटर इमेज फ्रेमवर्क की गुणात्मक पrowess को प्रदर्शित करती है, और जैसा कि देखा जा सकता है, मॉडल पतली और रोचक ज्यामिति के साथ पुनर्निर्माण का उत्पादन करता है, और सशर्त दृश्यों के विवरण को पकड़ता है।

निम्नलिखित इमेज दिखाती है कि स्प्लैटर इमेज फ्रेमवर्क द्वारा उत्पन्न पुनर्निर्माण न केवल तेज़ है, बल्कि असामान्य स्थितियों में पतली संरचनाओं और सीमित दृश्यता वाले पिछले मॉडलों की तुलना में अधिक सटीक है।

मल्टी-व्यू 3डी रिकंस्ट्रक्शन

मल्टी-व्यू 3डी रिकंस्ट्रक्शन क्षमताओं का मूल्यांकन करने के लिए, स्प्लैटर इमेज फ्रेमवर्क को स्पैनेनेट-एसआरएन कार्स डेटासेट पर दो दृश्य भविष्यवाणी के लिए प्रशिक्षित किया जाता है। मौजूदा विधियां मल्टी-व्यू 3डी रिकंस्ट्रक्शन कार्यों के लिए निरपेक्ष कैमरा पोज़ कंडीशनिंग का उपयोग करती हैं, जिसका अर्थ है कि मॉडल मुख्य रूप से ऑब्जेक्ट के संदर्भ दिशा पर निर्भर करता है। हालांकि यह काम करता है, यह मॉडल की लागू करने योग्यता को सीमित करता है क्योंकि एक नए ऑब्जेक्ट की इमेज के लिए निरपेक्ष कैमरा पोज़ अक्सर अज्ञात होता है।

अंतिम विचार

इस लेख में, हमने स्प्लैटर इमेज के बारे में बात की है, जो एक विधि है जो ऑब्जेक्ट्स के अल्ट्रा-फास्ट सिंगल-व्यू 3डी आकार और 3डी उपस्थिति निर्माण को प्राप्त करने का लक्ष्य रखती है। इसके मूल में, स्प्लैटर इमेज फ्रेमवर्क 3डी प्रतिनिधित्व का विश्लेषण करने के लिए गॉसियन स्प्लैटिंग विधि का उपयोग करता है, जो इसकी गति और गुणवत्ता का लाभ उठाता है। स्प्लैटर इमेज फ्रेमवर्क एक ऑफ-द-शेल्फ 2डी सीएनएन आर्किटेक्चर का उपयोग करता है जो प्रत्येक पिक्सेल के लिए एक रंगीन गॉसियन की भविष्यवाणी करता है। गॉसियन स्प्लैटिंग विधि का उपयोग करके, स्प्लैटर इमेज फ्रेमवर्क तेज़ रेंडरिंग को तेज़ अनुमान के साथ जोड़ता है, जो वास्तविक और सिंथेटिक बेंचमार्क पर तेज़ प्रशिक्षण और तेज़ मूल्यांकन का परिणाम है।