Gaussian Splatsを用いたモデル再構築には、そのモデルを異なる視点から捉えた一連の写真が必要になります。 次に、画像から元のカメラデータを抽出して、位置、カラー、向き、サイズなどのデータを取得します。 こうして得られるのがポイントクラウドです。 ここまでの手順がフォトグラメトリ処理です。 Gaussian Splatsの特長は、この手法が3D空間におけるポイントの分布を最適化することにあります。 このアルゴリズムは、反復学習によって最適な分布を導き出そうと試みます。

画像の枚数や解像度によっては、この学習処理に非常に長い時間がかかる場合があります。 ほとんどの場合、この処理はGPU上で実行されるので、ハードウェアの性能も重要な要素となります。

最適化の後には、必要なアトリビュートや情報がすべて含まれたポイントクラウドが得られます。 このポイントクラウドをPLYファイルとして保存することができます。

インポートと抽出の処理は、SOPネットワーク内で行ないます。 これはHoudiniの obj レベルで行なうことができます。 File SOPはPLYファイルを読み込むことができます。 一方、Bake GSplat Splat SOPは、そこに含まれている情報を抽出して、Karma XPUで使用できるように準備します。

その後、そのBake GSplat SOPの出力を例えばSOP Import LOPを使用してSolarisにインポートします。 別の方法としては、SOP Create LOP内でSolaris stage 上で直接そのSOP処理を行なうこともできます。

再構築されたオブジェクトをレンダリングするには、 stage レベルにいる必要があります。 ビューポートの右上にある1番目のドロップダウンメニュー(デフォルトでは Persp に設定されています)から Karma XPU を選択します。 Storm や Karma CPU などの他のデリゲートでは、再構築されたオブジェクトではなく色付きのポイントクラウドのみが表示されます。しばらくすると、その結果が表示されるはずです。