通过生成适应性深度平面的分区式多平面图像（TMPI），提供了一种有效的方法来合成单视图的三维摄影图像，并具有较低的计算开销。

Sep, 2023

提出了 SinMPI 方法，通过扩展的多平面图像作为 3D 场景表示，使用稳定扩散生成超出视野内容并优化多平面图像，从而显著扩展了透视范围，生成高质量的新视图图像。

Dec, 2023

本文提出一种基于多平面图像（MPI）表示的新方法来合成野外照片的新视角，结合深度估计和颜色填充技术，通过多平面图像表示解决具有复杂 3D 几何的场景，使用大规模立体训练数据并经过实验验证达到最新成果。

May, 2022

基于改进的多平面图像（MPI），本文介绍了一种适应场景的分层多平面图像表示，用于从单幅图像合成新视角，观察到对于无界户外场景，深度分布变化显著，因此采用自适应分组策略来排列平面，进一步引入了分层细化分支，以呈现精细的几何和多尺度细节，该方法在 KITTI 数据集上合成大规模无界户外场景并具有显著的性能提升，在未见过的 Tanks and Temples 数据集上具有较好的泛化性能，代码和模型将公开。

Sep, 2023

本文提出了一种称为 S-MPI 的新型多平面图像表示，这种表示可以有效地完成利用稀疏数据进行的视图合成任务，同时可以代表三维场景，本文使用基于转换器的网络处理 S-MPI 描述的数据，通过共享全局代理嵌入来保证多视图一致性，并且在包含多个局部和全局一致性指导的数据驱动方程中优化 S-MPI. 大量实验表明，S-MPI 在视图合成方面优于现有 MPI-based 方法和平面重建方法。

Mar, 2023

本文介绍了第一种基于三维场景表示的多帧去噪方法，扩展了多平面图像 (MPI) 框架用于新视角合成，最终实现了视角合成、多帧去噪和在嘈杂条件下的视角合成。

Mar, 2023

该论文探讨了使用极窄基线对图像进行视角合成的问题，并着重于生成带有合理深度间隙的高质量视角推断，提出了一种理论分析显示 MPI 的视角范围如何随着 MPI 视差采样频率的增加而线性增加，并提出一种 MPI 预测程序，理论上使视角推断的范围扩展了至少 4 倍。

May, 2019

本文提出了一种基于多平面图像（MPI）的神经辐射场的灵活表示方法，用于复杂场景的高质量视图合成。通过多平面图像的参数化和自适应混合操作，实现了对复杂场景下各种视角和摄像机分布的高质量图像合成和长轨迹编码，从而在新视角合成方面超越了快速训练的方法，展示了在自动驾驶等应用中的潜力。

Sep, 2023

利用多平面图像 (MPI)，采用基于梯度下降的学习方法，使用来自一组稀疏摄像机视角的图像，实现视点合成，并具有遮挡理解功能，在具有高深度复杂性的场景中，改进了物体边界、光反射和薄结构等具有挑战性的场景特点，并且在我们提供的 Kalantari 光场数据集和全新的 Spaces 相机阵列数据集上均获得了高质量的最新成果。

Jun, 2019

基于单目视频的全局静态场景模型和逐帧点云的动态内容的混合视频表示方法能够实时合成高质量的新视图，并且训练速度比现有方法快 100 倍。

Dec, 2023