通过在有限预算内进行训练和渲染，提出了一种改进的 3D 高斯粉碎（3DGS）模型，实现了较快速、高质量的新视图合成，并减少了模型大小和训练时间。

Jun, 2024

从 2D 图像中重建动态 3D 场景并随时间生成多样视角是一项具有挑战性的任务，本研究提出一种基于优化一组 4D 基元的方法，以近似表示动态场景的底层时空 4D 体积，通过特定的渲染程序，制造各种时间的新视角，该方法简单灵活，适用于捕捉复杂动态场景运动，实验结果在多个基准数据集上证明了其优秀的视觉质量和高效性。

Oct, 2023

这篇论文主要研究了使用高斯喷洒表示三维物体和场景，以提高渲染速度，但存储和传输开销较大的问题。作者提出了一种新的表示方法，在保持类似或改善质量的同时极大地减小硬盘占用空间，并能够在移动设备上实时高效地运行。他们的关键观察是场景中的相邻点可以共享相似的表示，因此只需要存储少量的三维点。作者还引入了一种方法来识别这些相邻点，称为父点，通过小型多层感知器可以有效地预测被丢弃的子点及其属性。

Jun, 2024

通过优化 3D 高斯喷涂技术，我们提出了 EfficientGS 方法，针对高分辨率和大规模场景，通过选择性策略和剪枝机制，将模型大小减小为传统 3D 高斯喷涂的十分之一，同时保持高渲染保真度。

Apr, 2024

通过使用多尺度的 3D 高斯喷洒算法，我们可以在不同的分辨率下提高渲染质量并解决像素大小低于奈奎斯特频率引起的锯齿效应，同时提高渲染速度和 PSNR 值。

Nov, 2023

3D 高斯喷洒是一种能够实时渲染的、可控且可编辑的 3D 重建和表示方法，通过显式场景表示和可微分的渲染算法，提供了独特的优势，为下一代 3D 重建和表示技术带来了潜在的变革。本文首次系统综述了 3D 高斯喷洒的最新进展和重要贡献，包括其背后的原理、应用可行性以及各类基准任务下的性能和实用性评估，并指出当前挑战和未来研究的发展方向。

Jan, 2024

AtomGS 通过原子化增殖和几何导向优化策略，解决了 3D 高斯扩散合成在优化大型高斯函数时疏忽小型高斯的问题，提高了对细节区域的表达能力，并通过边缘感知正常损失优化方法实现了对平坦表面的平滑处理，从而在图像渲染质量、几何重建准确性以及训练速度方面超越了现有的最先进方法。

May, 2024

通过离线聚类和在线投影，提出了一种用于实时渲染的计算减少技术，能够快速识别不必要的 3D 高斯，并通过高效的硬件架构实现 10.7 倍的加速，并在不损失峰值信噪比（PSNR）的情况下，减少了近 38.3% 的渲染计算量。

Feb, 2024

Fed3DGS 是一个基于 3D 高斯喷洒（3DGS）与联邦学习的可扩展三维重建框架，其采用分散式架构并利用数以百万计的客户端上的分布式计算资源，通过定制的蒸馏模型更新方案和外观建模技术来处理非独立同分布数据，在大规模基准测试中呈现出与集中式方法相当的图像质量，并能捕捉到由季节变化引起的场景变化。

Mar, 2024

本研究提出了一种数据迭代优化评分模型（DOSM），将创新的数据一致性融入到随机微分方程中，为超稀疏视图 CT 重建提供了有价值的约束，并通过追溯当前迭代结果到理想真实值的推理策略提高了重建的稳定性。实验结果表明，我们的方法在数量和质量上都明显优于其他方法，甚至在只有 10 个视图的情况下，也能取得出色的性能。

Aug, 2023