本文提出了一种通过操作训练视频单个帧中的像素点来编辑动态 NeRFs 的局部外观的新框架，并引入了本地表面表示来保留未编辑区域，通过学习的可逆运动表示网络将其插入和渲染到原始 NeRF 中，并将其变形到任意其他帧，达到时空一致的编辑结果。

Jul, 2023

本篇论文提出一种基于体积图像渲染的新方法，通过汇集场景相邻视野的特征，以动态场景感知的方式合成新视点，从而在长视频中合成具有真实感的新视图，能够更好地应对复杂的场景动力学和不受限约束的相机轨迹。

Nov, 2022

通过采用神经辐射场（NeRF）方法，我们展示了一种能够学习时间上动态且可变形的三维场景的方法，并能适应各种不同相机和场景设置的鲁棒性模型，该模型消除了已知相机姿态的限制，并克服了目前静态场景重构技术中依赖场景静态部分进行精准重构的缺点，为当前和未来的机器人外科手术系统提供了潜力。

Sep, 2023

通过预定制技术在视频帧上微调预训练的 RGB-D 扩散模型，然后将知识从微调的模型提取到包含动态和静态神经辐射场（NeRF）组件的 4D 表示中，实现几何一致性并保持场景的一致性，从而进一步推进动态新视角合成。

Jan, 2024

本文提出了可编辑的神经辐射场，使终端用户能够轻松编辑动态场景，甚至支持拓扑变化。我们的方法支持直观的多维度（最多 3D）编辑，并且可以生成在输入序列中未见过的新颖场景。

Dec, 2022

本文提出了 D-NeRF 方法，将神经辐射场扩展到动态领域，允许从单个相机围绕场景重建和渲染对象的新图像。通过将时间作为系统的额外输入，并将学习过程分为两个主要阶段，可以同时学习两个映射，实现控制相机视图和时间变量以及物体移动的目的。

Nov, 2020

通过使用动态 NeRFs 重建足球场景，我们探索了基于这一方法解决视角合成任务的可行性，并识别出帮助使用动态 NeRFs 重建足球场景的关键组成部分，表明这种方法虽然不能完全满足目标应用的质量要求，但提出了一种节省成本、自动化的解决方案。

Sep, 2023

本文提出了一种 4D（3D 和时间）人体视频风格化的方法，该方法在同一个框架内解决了风格转移、新视角合成和人体动画的问题。通过利用神经辐射场（NeRFs）来表示视频，我们可以在渲染特征空间中进行风格化处理，从而实现对于新视角和新姿势的泛化。实验证明，该方法在风格纹理和时间连贯性方面取得了出色的平衡，优于现有方法，并可以适应新的姿势和视角，成为创作人体视频风格的多功能工具。

Dec, 2023

基于 NeRF 的人体表演姿态依赖渲染的新方法，通过将辐射场围绕 SMPL 人体模型进行扭曲，实现了新的表面对齐表示，可以通过骨骼关节参数和视点来实现动画化，并通过引入新的重新映射过程来实现高质量渲染。

Nov, 2023

本文提出了可动态变化神经辐射场 (animatable NeRF) 的方法用于从单眼视屏中创建细节丰富的人物角色，通过引入显式姿势引导变形的方式学习场景表示网络扩展神经辐射场 (NeRF) 到带有人体运动的动态场景，并展示了该方法在人物几何和外观重建、真实感渲染和动画设计等方面取得了突破性成果。

Jun, 2021