神经冒名者：通过显式形状操作编辑神经辐射场
本研究提出了一种基于 Neural Radiance Field 的方法，利用显式网格表示与场景的隐式神经表示建立对应关系，使用户可以利用网格形变方法进行可控的形状变形，并合成编辑后的场景的新视角图像。
May, 2022
论文提出了 NeuralEditor，用于泛形状编辑任务，通过利用显式点云表示构建 NeRF，并提出基于确定性积分的新型渲染方案，实现了基于点云的形状编辑，取得了最先进的性能。
May, 2023
本文介绍了一种可以对特定类别的条件辐射场进行用户编辑的方法，该方法假设观察多个特定类别的实例，学习部分语义，允许将粗略的二维用户涂鸦传播到整个三维区域中，该方法通过提出新的模块化网络组件和混合网络更新策略，结合优化问题和网络特定的目标，解决用户交互中的可视化编辑任务。
May, 2021
我们提出了一种新方法，利用网格作为指导机制来编辑神经辐射场，通过可微的多面体网格提取和可微的颜色提取，从显式网格到隐式场实现了梯度反向传播，使用户能够轻松操作神经辐射场的几何和颜色。通过引入基于八叉树的结构来优化用户控制性，实现了对神经隐式场的细粒度编辑，并适应了各种用户修改，包括对象添加、部件删除、特定区域变形以及局部和全局颜色调整。通过各种场景和编辑操作的广泛实验，我们展示了我们方法的能力和有效性。
Dec, 2023
通过提出一种新的交互式编辑方法和系统，名为 Seal-3D，可以实现对隐式表示的编辑，允许用户以像素级和自由的方式编辑 NeRF 模型，并即时预览编辑效果。
Jul, 2023
通过分割语义区域并利用神经辐射场学习各自的辐射场，最后合并成完整图像，CNeRF 方法可以实现细粒度的语义区域操作，同时维持高质量的 3D 一致合成。
Feb, 2023
我们提出了一种通用的隐式管线，可以快速组合 NeRF 对象，并通过允许任意刚体变换来无缝地放置和渲染多个 NeRF 对象。我们引入了一种称为 Neural Depth Fields（NeDF）的新表面表示，通过允许射线与隐式表面之间的直接相交计算快速确定对象之间的空间关系。我们的方法是第一个同时实现渐进和互动式 NeRF 对象组合的方法，也是现有 NeRF 工作的预览插件。
Aug, 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
本论文提出了一个统一的神经辐射场（NeRF）框架，以有效地进行场景分解和合成，用于建模现实世界场景，通过学习不同对象的解耦 3D 表示进行场景编辑，同时为新颖视角合成建模整个场景表示。
Aug, 2023