本文介绍一种将基于物体中心的神经散射函数作为模型预测控制框架中的物体表示的方法，在组成多物体环境下不断变化的光照条件下，通过结合反参数估计和基于图形的神经动力学模型的方法，大大提高了模型的控制性能和推广能力。

Jun, 2023

本研究提出了一种新型的神经场景渲染系统，在聚集和现实世界场景中学习对象组合的神经辐射场，具有编辑能力和高效处理能力，并通过新颖的双通道体系结构设计，得以在场景几何和外观以及独立于对象的可学习激活代码条件下训练各个独立目标。通过实验证明，该系统不仅在静态场景新视点综合方面具备优异性能，而且在对象级别编辑方面也能产生逼真的渲染效果。

Sep, 2021

利用神经辐射场模型，通过对野外拍摄的照片的同时处理来实现对室外场景的光照和视角的编辑，并与 SoTA 进行比较，其结果表明，该方法可实现更高质量和更逼真的自阴影重现。

Dec, 2021

本文介绍了一种使用深度神经网络进行视图综合和图像合成的方法，通过连续的体积场函数来优化复杂场景的视图，并在神经辐射场方面取得了最新的研究成果。

Mar, 2020

提出了一种新方法 GO-NeRF，能够利用场景背景进行高质量和和谐的 3D 物体生成以及无缝融合到现有 NeRF 中。

Jan, 2024

通过使用语义信息并在少量的图片上建立 occlusion filtering module，我们提出了一个学习框架来重建神经场景表征并演示了其在 Phototourism 数据集上在 few-shot 场景下优于最先进的 novel view synthesis 方法。

Mar, 2023

本文提出了一种叫做 NeRF 综合的新任务，利用 NeRF 补丁范例的结构内容构建大尺寸的新辐射场，我们提出了一种两阶段的方法来综合新场景，控制场景的照明效果采用阴影指导而不是分离场景，我们表明了我们的方法可以生成高质量的结果，对曲面上的新场景进行综合，增强了我们所提出的 NeRF 综合方法的实用性。

Jun, 2023

本研究针对室外场景中的视点变化及分布偏移问题，提出了基于多头注意机制的几何校正模块和外观校正模块，通过结合这些模块，成功解决了室外场景泛化的挑战，并提供了高质量渲染结果。

Sep, 2023

本文提出了一种无监督的方法，叫做 uORF，用于从单张图像中推断物体场景表示，该方法整合了神经 3D 场景表示和深度推断网络，能够成功地分解复杂的 3D 场景，并完成诸如场景分割、3D 编辑和新视角合成等任务。

Jul, 2021

本文提出了一种基于 NeRF 的新型管道，用于将物体 NeRF 插入场景 NeRF，实现新视角合成和逼真的光照重新调整，并支持物体之间的物理交互，如互相投射阴影，通过比较相机视角与光源视角之间的深度图并生成生动柔和的阴影，实现了逼真的光照重新调整效果。

Jun, 2024