Sync-NeRF: 将动态 NeRF 推广到异步视频
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
该论文提出了一种新的非刚性动态场景重建和新视角合成方法 ——NR-NeRF，该方法能够使用一个便携式消费级相机拍摄到的动态场景的 RGB 图像创建高质量的时空几何和外观表示，并且可以生成复杂的渲染场景。
Dec, 2020
我们的研究目标是从复杂动态场景的单目视频中生成高质量的新视图。为了解决过去方法在准确建模复杂物体运动方面的局限性，我们提出了一种新方法，结合了近期的广义 NeRF 和在时间和频率域中操作的模块，以改善动态场景的图像合成的精确度和视觉质量。
Jan, 2024
利用 SceNeRFlow 提出了一种基于 dynamic-NeRF 方法的时间一致的方式来重建非刚性场景，通过将形状和外观的变形分解成粗糙和微弱的两个组成部分，使得该方法可以处理大范围的运动，并且可以重建大规模运动场景。
Aug, 2023
本研究提出了一种时间变化的表示方法，用于跟踪和重建动态场景，并使用动态选择策略的神经辐射场结合同时定位和建图框架，实现了更有效的动态建图方法。
Oct, 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 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
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