本文提出了一种基于神经透射函数的新方法，用于加速神经反射场的渲染，减少了复杂光照下的时间复杂度，并保证了渲染精度。

Oct, 2021

本研究提出了将本应在神经网络评估后再进行渲染的颜色，改为直接渲染出射线查询的特征向量，从而大幅降低了神经网络评估的复杂度和计算开销，并取得了较好的渲染质量。

May, 2023

通过学习隐式体积表示来改善场景表示和重建的方法，利用学习的视角相关特征将体积函数建模为球谐（SH）引导的各向异性特征，通过参数化多层感知机提高渲染质量，并通过能量正则化实现鲁棒的场景重建，该方法可在基于 NeRF 的框架中应用。广泛的实验证明了所提出表示方法对于多种 NeRF 和合成真实场景的渲染质量的提升，达到了最先进的渲染性能。

Nov, 2023

神经辐射场通过平滑过渡体积 - 表面渲染方法，在加速渲染速度的同时提高视觉保真度，并能够通过提取的网格包络应用于动画和仿真等下游应用。

Nov, 2023

本研究提出了一种使用神经渲染的方法，利用新颖的神经表征重构对象的透明部分，并保留物体的逼真外观，使用非常高效的着色器代码支持实时渲染，并通过标准的着色器代码生成，实现与现有硬件和软件系统的无缝集成。

Dec, 2022

我们提出了三个关键要素，可实现高质量的实时（大于等于 30 帧 / 秒）1080p 分辨率的新视图合成，其中包括使用 3D 高斯函数表示场景、优化 3D 高斯函数的相关参数以准确表示场景，并开发了一种快速的可见性感知渲染算法，以加速训练并实现实时渲染。

Aug, 2023

本文提出了一种新颖的双网络架构来学习减少所需样本点的数量，以实现高质量的神经表示，该方法优于现有的紧凑神经表示，可以实时渲染图像。

Jul, 2022

本文提出了一种基于深度学习的场景重建方法，应用了一种新颖的体积场景表示方法 —— 反射体积网格，通过物理可行的可微分体积光线行走框架，渲染出高质量的图像，实现了对具备挑战性的真实场景的重建，而重建得到的反射体积网格可进行编辑，可用于修改捕捉的场景材料。

Jul, 2020

本文提出了一种基于体渲染的光传输场学习框架，利用各种外观线索来优化几何，扩展重建和重新照明的能力，提高对于具有亚表面散射效应等更多种材料的处理能力。

Jun, 2023

使用混合的神经辐射场（HybridNeRF）方法，将大多数对象作为表面渲染，同时以体积化的方式对挑战性区域进行建模，以提高视图合成的质量和实时性。

Dec, 2023