用于卫星图像的新视角合成的文章，其模型基于多平面图像的 RPC，结合了隐式表示和 RPC 模型的优势，在单视角和多视角任务中都展现出较高的图像保真度、重建准确性和效率。

Oct, 2023

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

在这项研究中，我们介绍了一种专为少量航拍场景渲染量身定制的新方法，即多平面先验引导的神经辐射场模型（MPNeRF）。我们的关键洞察是航拍图像固有的几何规律可以加强稀疏航拍场景的神经辐射场模型。通过研究神经辐射场模型和多平面图像的行为，我们提出使用多平面先验指导神经辐射场模型的训练过程。通过引入 SwinV2 Transformer 和使用 SimMIM 进行预训练，我们的实验结果表明，MPNeRF 在非航拍环境中的性能超过了现有的最先进方法，即使只有三个视图可用，也可以将 SSIM 和 LPIPS 的性能提升三倍。希望我们的工作能为航拍场景中基于神经辐射场模型的应用开发提供启示。

Jun, 2024

本篇论文提出了一种新的方法，通过将 NeRFs 融合为可与高度并行的图形渲染管线完全兼容的高效网格神经表示，使用屏幕空间卷积，来提高外观的质量和整个框架的表现。

Apr, 2023

本篇论文中，我们提出了一种名为 MINE 的算法，通过从单一图像进行密集的 3D 重建来执行新视角合成和深度估计，并引入了 NEural radiance fields（NeRF）进行连续深度泛化。给定单张图片为输入，MINE 能够预测出深度值的 4 通道图像（RGB 和体密度），从而共同重建相机截锥并填补遮挡内容。无需人工标注深度监督，我们在 iBims-1 和 NYU-v2 的深度估计中获得竞争结果。通过对 RealEstate10K，KITTI 和 Flowers Light Fields 进行大量实验，证明了 MINE 在新视角合成方面的表现优于现有技术。

Mar, 2021

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

本文提出了一种新的基于时间的多平面图像（Temporal-MPI）动态场景表示方法，它能够以紧凑的时间基和系数来编码整个视频的丰富 3D 和动态变化信息，并通过 Temporal-MPI 实时高质量地生成任意时刻的新视角。我们的方法在 Nvidia 动态场景数据集上进行训练和评估，证明了其比其他最先进的动态场景建模方法更快速更紧凑。

Nov, 2021

通过将场景自适应地细分为轴对齐的包围盒，并使用树层次结构方法将较小的 NeRF 分配给不同大小的子空间，该论文提出了一种有效的适应性多 NeRF 方法，以加速针对复杂场景的神经渲染过程，以实现对特定场景部分的精细神经表示。

Oct, 2023

MVG-NeRF 组合了传统的多视角几何算法和神经辐射场 (NeRF) 用于基于图像的三维重建。我们提出使用像素级深度和法线来引导 NeRF 优化，以提高所估计表面的质量。实验结果表明，该方法可以从图像中获取干净的三维网格，同时在新视角合成方面具有竞争力的表现。

Oct, 2022

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