6dF 星系调查：最终红移发布（DR3）及南半球大尺度结构
介绍了一种利用 Gaussian Splatting 和 Neural Radiance Fields 进行大规模景观重建的新型基准测试，结合 LiDAR 数据集，涵盖了超过 6.5 平方公里的城市和学术环境，评估了几种度量方法在 Gaussian Splatting 上的可靠性。
Apr, 2024
我们引入了一种新颖的大规模场景重建基准测试，通过使用新开发的三维表示方法 —— 高斯插值法在我们广泛的 U-Scene 数据集中。U-Scene 包含了一个半平方千米以上的区域，具有综合 RGB 数据集和 LiDAR 地面真实数据。我们使用了 Matrix 300 无人机配备高精度的 Zenmuse L1 LiDAR 来获取数据，从而实现了精确的屋顶数据采集。这个数据集提供了一个独特的城市和学术环境的结合，用于高级空间分析，覆盖面积超过了 1.5km^2。我们使用高斯插值法对 U-Scene 进行了评估，并从各种新颖的视角进行了详细分析。我们还将这些结果与我们准确的点云数据集进行对比，突出了多模态信息结合的重要性。
Jan, 2024
本文提出一种新的方法，可同时优化几何编码、纹理以及材料和场景照明，以从消费级 RGB-D 传感器中获得高质量的 3D 重建。
Aug, 2017
本文提出了一种成本效益高且体积小的方法 —— 分散结构光（DSL），用于准确获取高光谱三维成像。DSL 通过在投影仪前放置亚毫米厚的光栅薄膜，使结构光按照波长分散。通过建立分散投影图像形成模型和像素级高光谱三维重建方法，我们验证了 DSL 的性能，并展示其在实际高光谱三维成像中的优越性。DSL 在光谱精度上达到了 18.8 纳米的半高全宽（FWHM）和 1 毫米的深度误差。DSL 为计算机视觉和图形学、文化遗产、地质学以及生物学等领域提供了准确且实用的高光谱三维成像。
Nov, 2023
基于新颖的具备高一致性和几何稳定性的不确定性感知的 3D 高斯场，这篇论文提出了一种有效的 RGB-D SLAM 系统，CG-SLAM，在跟踪和地图制作方面实现了卓越的性能。
Mar, 2024
通过最新的 radiance fields 进展提供首个对 SLAM 进展的综合概述，突出其背景、进化路径、优势和局限性，作为一个基础参考，突显其动态进展和特定挑战。
Feb, 2024
本文提出了一种用于在 RGB-D 传感器上进行大规模 3D 重建的实时表面矫正方法，该方法通过实时估计相机运动并在全局姿势图优化中进行精调来纠正可能出现的表面偏差，能够在仅使用单个 GPU 的情况下实现大型环境的实时表面纠正，相比最新技术而言，具有更高的运行时效率并且需要显著更少的内存。
Sep, 2017
提出了一种名为 HFGS 的新方法，通过空间和时间频率角度处理动态场景的可变形内窥镜重建问题，并引入了空间高频重建和时间高频重建技术来提高神经渲染的动态感知和 3D 质量。
May, 2024
手机相机图像处理中 RAW 转 sRGB 映射是一项重要的研究领域，现有方法往往忽视了手机 RAW 图像和单反相机 RGB 图像之间的差异，我们提出了一种名为 FourierISP 的新型神经 ISP 框架，该方法通过在频域内独立优化图像的风格和结构，使得色彩和结构同时得到增强，广泛的数据集评估表明我们的方法达到了最先进的效果。
Jan, 2024