通过NeRF的方法来实现对于图像的View Synthesis, 本文提到了NeRF的成功之处以及在应用于大规模无界三维场景中进行改进，使其在360°的拍摄模式下提高拍摄质量。

Oct, 2020

本文提出NeRF--用于学习相机内参和位姿，在各种相机运动情况下实现了准确的相机参数估计，并且在合成数据集BLEFF上实现了可比较的新视角渲染质量，为2D图像生成3D场景的任务提供了新思路。

Feb, 2021

作者提出了基于可微分不可视模块的NeRF-ID方法，该方法可以优化粗到精的采样策略，得到比NeRF和当前最先进算法更好的视图合成质量，并且显著降低计算时间。

Jun, 2021

本文提出了一种利用深度先验来优化神经光辐射场模型的新方法，可在使用尽可能少的输入图像进行室内场景的数据有效的新视角合成中实现高保真度。

Dec, 2021

Ref-NeRF通过替换NeRF的视角相关的出射辐射参数化为反射辐射参数来提高NeRF方法表示高光表面外观的准确性，并且使用一系列空间变化场景属性来构造该函数结构，同时结合法线向量的正则化，可以实现更加真实和准确的高光反射，此外，我们的模型的内部表示也具有可解释性，用于场景编辑。

Dec, 2021

本文综述了近年来神经辐射场（NeRF）技术在3D渲染和视角合成领域的最新研究进展和其不同的架构设计。

Jun, 2023

提出了一种名为Mirror-NeRF的新型神经渲染框架，能够学习镜子的准确几何和反射，并支持镜子相关的多种场景操作应用，如在场景中添加新物体或镜子，并合成这些新物体在镜子中的反射，控制镜子的光洁度，等等。通过引入反射概率和基于Whitted Ray Tracing的光传输模型，以及开发多种技术来促进学习过程，实验证明了该方法的优越性。

Aug, 2023

Strata-NeRF是一种单一神经辐射场，通过将NeRFs与矢量量化的潜在表示结合，对具有多个层次的场景进行隐式建模，实现平滑切换并合成高保真度的视图。

Aug, 2023

通过 Re-Nerfing 方法，我们在 Neural Radiance Fields 的基础上使用多阶段的方法增加场景的覆盖范围，提高新视角的几何一致性，并通过新合成的图像实现结构和极线约束的优化，对 mip-NeRF 360 数据集进行的实验证明了 Re-Nerfing 的有效性。

Dec, 2023

该论文提出了一种基于光线追踪的方法来解决Neural Radiance Fields（NeRFs）在渲染高光物体时的困难，并成功合成了真实世界场景中的光泽外观和反射，同时优化和渲染速度与当前状态-of-the-art视图合成模型相当。

May, 2024