本文解读了《GauU-Scene V2》论文，介绍了3DGS与NeRF结合的新方法用于评估图像质量与几何可靠性。文章详细探讨了数据集、评估指标（如PSNR、SSIM、LPIPS、倒角距离）、实验结果，并分析了不同方法在图像渲染和几何重建上的优缺点。
NeRF和3DGS对比
本文简要地介绍了NeRF（Neural Radiance Fields）和3DGS（3D Gaussian Splatting）的原理与流程，并对它们在场景绘制和3D重建等方面进行了对比。NeRF采用神经网络进行3D场景表示，通过体积渲染实现高质量的图像生成，但渲染速度较慢，需要通过其他方法将其转换为显式输出（如NeRF2Mesh）。相比之下，3DGS使用高斯分布表示3D场景，通过光栅化渲染生成图像，速度较快，但内存占用较高，并且直接输出显式的3D数据结构。
Mujoco - CoACD简略教程
本文介绍了CoACD工具的安装与使用，CoACD可用于将凹形模型分解为凸几何体的并集。文章详细讲解了克隆代码、安装依赖、编译过程及基本使用方法，并提供了常用参数的说明，帮助用户优化分解效果与运行效率。
Mujoco - 碰撞凸几何体要求
在MuJoCo中，碰撞检测仅限于凸几何体，所有原始几何体类型都是凸的。对于用户定义的网格，虽然可以是非凸的，但为了碰撞检测，它们会被替换为凸包。为了模拟非凸对象，用户需要将其分解为凸几何体的并集，使用工具如CoACD库可以简化这一过程，从而保证更快且稳定的仿真。
Mujoco - 高场hfield相关
在MuJoCo中，高场（hfield）是一种特殊的几何体类型，用于表示基于高度图的地形。它可以通过PNG图像或二进制文件加载高度数据，生成一个三维的地形表面。本文将详细介绍如何使用MuJoCo的hfield元素加载和设置高场数据。