Primera implementación de Gaussian Splatting 3D totalmente libre de frameworks de aprendizaje automático en LichtFeld Studio. He completado la migración de todo el proceso de entrenamiento a una biblioteca de tensores personalizada basada en CUDA. Sin PyTorch, sin LibTorch, sin autograd. Cada gradiente se implementa manualmente, ya sea mediante kernels de CUDA o abstracciones mínimas. Esto la convierte en la primera configuración de entrenamiento completa para 3D Gaussian Splatting sin dependencias de marcos de aprendizaje automático existentes. ¡No se trata solo de independencia, se trata de control! Ahora gestionamos cada byte de memoria de la GPU, lo que permite una optimización más precisa y un ajuste de rendimiento más exacto. El impacto del framework es mínimo, sin incorporar gigabytes de código de tiempo de ejecución de aprendizaje automático que nunca se diseñó para aplicaciones en tiempo real o basadas en gráficos. Algunos módulos, como las métricas y las interfaces 3DGUT, todavía se están adaptando, y algunas operaciones son temporalmente ingenuas, por lo que el rendimiento aún no está a la par con la rama principal. Pero esta refactorización sienta las bases para: - Un binario completamente autónomo - Optimización de memoria de grano fino - Experimentación más sencilla sin la complejidad de una pila de aprendizaje automático. Ya casi llegamos.
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.