我们提出了 ExtraNeRF，一种用于推断神经辐射场（NeRF）视角范围的新方法。我们的主要思想是利用 NeRF 模型场景特定的细节，同时利用扩散模型推断我们观察数据之外的区域。关键是通过跟踪可见性来确定没有被观察到的场景部分，并且使用扩散模型一致地重建这些区域。我们的主要贡献包括根据输入影像进行微调的可见性感知扩散填充模块，产生质量适中的 NeRF 和模糊的填充区域，然后使用第二个扩散模型在输入影像上进行培训，以一致地增强填充图像，并显著增强其锐度。我们展示了高质量的结果，可以通过少量的（通常为六个或更少）输入视图进行推断，有效地扩展 NeRF，并填充原始视图体内的新脱离的区域。我们在定量和定性上与相关工作进行比较，并展示了超过先前技术的显著增益。

Jun, 2024

本文提出了一种采用极坐标补齐以及螺旋失真感知模块的鱼眼图像外推方法 FisheyeEX，它能够有效处理鱼眼镜头成像模型中的无效黑色区域，并且在实验中表现出了很高的性能提升。

Jun, 2022

本文提出了一种使用神经辐射场（NeRF）编辑工具进行图像修补的方法，仅需要一个修补后的场景参考视图和模板，通过新颖的渲染技术和基于图像修补工具的方法，可以在非参考视图上构造视图相关的效果，提供了更好的修补性能和用户控制。

Apr, 2023

该研究通过提出 Enhance-NeRF 模型，增强神经放射场（NeRF）在虚拟现实和增强现实等领域的三维重建应用，改进了场景识别和学习能力，有望广泛应用于照明、材质和形状的室外场景重建，具备插拔式的易用性，并能够与其他 NeRF-based 模型轻松集成。

Jun, 2023

本文提出了一个由单个全景图训练出的全景神经辐射场模型（PERF）用于 360 度全景图的新视角合成，其中采用了一种协作 RGBD 修复方法和逐步修复和删除的策略，实现了在复杂场景中的 3D 漫游。该方法在 Replica 数据集和 PERF-in-the-wild 数据集上进行了广泛实验证明了其优越性，并可广泛应用于全景图转 3D、文本转 3D 和 3D 场景风格化等实际应用中。

Oct, 2023

优化 NeRF 模型时，良好的数据样本和有效的相机位置选择对于最终重建的可视化质量至关重要。本研究提出了一种算法，能够以最少的假设来提供改善可视化质量的新相机位置，并在各方面优于基线和类似方法。

Aug, 2023

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

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

本文提出了一种新颖的框架，可以利用扩散模型实现对神经场景中的 3D 内容进行编辑，此方法可以有效地改善 NeRF 的可编辑性、多样性和应用范围，验证结果表明在不同的文本提示下，该算法对 NeRF 中的 3D 目标具有改进的效果。

Jun, 2023

本文介绍了一种基于神经辐射场（NeRF）的方法，用于从单个 360 度 RGB-D 图像合成新景象，并利用 2D 图像生成模型，最大权重独立集问题和模拟退火等算法，以优化生成的图像。

Mar, 2022