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

通过引入 Generalized Exponential Splatting (GES) 方法，使用 Generalized Exponential Function (GEF) 模型对 3D 场景进行建模，减少了内存占用并显著提高了效率。

Feb, 2024

使用 HiFi4G，基于高斯的方法从密集镜头中呈现高保真度的人体表现，结合了非刚性跟踪和 3D 高斯表示，通过双图机制和 4D 高斯优化方案实现了高效的优化速度、渲染质量和存储开销。

Dec, 2023

提出了使用三维高斯斑点（3DGS）进行三维头部重建和动画的 HeadGaS 模型，其利用可学习的潜在特征扩展了 3DGS 的显式表示，并与参数化头部模型的低维参数线性融合，实现表情相关最终颜色和不透明度值。实验证明，HeadGaS 在实时推理帧率方面取得了最先进的结果，超过基线约 2dB，并将渲染速度加速至 10 倍以上。

Dec, 2023

通过与 NeRF 紧密结合，我们展示了物理学模拟可以无缝地生成现实世界物体的高质量弹性动力学。与现有方法不同，我们以无网格的方式离散非线性超弹性，避免了需要中间辅助形状代理（如四面体网格或体素网格）的必要性。我们采用二次广义最小二乘 (Q-GMLS) 来捕捉隐式模型上的非线性动力学和大形变。这种无网格集成方式可以对复杂的、共维度的形状进行灵活的模拟。根据 NeRF 密度场自适应地放置最小二乘核，可以显著减少非线性模拟的复杂性。因此，可以方便地使用我们的方法合成各种高弹性材料的物理真实动画，并以交互速度进行渲染。更多信息，请访问我们的项目页面。

Nov, 2023

通过使用层次结构的三维高斯，本研究提出了一种在非常大的场景中保持视觉质量的方法，同时提供了有效的远程内容的适当级别选择和平滑过渡的有效细节解决方案。

Jun, 2024

使用高斯点的方法 (GS-W) 重建场景，为每个点引入独立的内在和动态外观特征，捕捉不变的场景外貌和动态变化，通过自适应采样策略以及 2D 可见性图减少瞬态遮挡器的影响。与之前的方法相比，GS-W 在渲染速度上提高了 1000 倍，并展示了更好的重建质量和细节。

Mar, 2024

该研究解决了从多视角视频中学习的逼真人体化身的实时渲染问题，通过提出了基于三维高斯散点的可动态化的人体模型，相较于现有方法，在 THuman4 数据集上呈现了 1.5dbB 更好的 PSNR，并能以 20fps 或更高的速度进行渲染。

Nov, 2023

我们提出了三个关键要素，可实现高质量的实时（大于等于 30 帧 / 秒）1080p 分辨率的新视图合成，其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景，并开发了一种快速的可见性感知渲染算法，以加速训练并实现实时渲染。

Aug, 2023

该论文设计了一种在传统图形管线中将多边形网格资源嵌入逼真的神经放射场（NeRF）体积中的方法，以便能够以物理一致的方式渲染和模拟它们，通过在渲染和模拟过程中设计了网格和 NeRF 之间的双向耦合，解决了路径跟踪器和标准 NeRF 之间的颜色空间差异，还提出了一种估计光源和在 NeRF 上投射阴影的策略，并将混合表面 - 体积形式与高性能物理模拟器高效地集成在一起。

Sep, 2023