DreamScene4D 是一种能够从野外单眼视频中生成多个物体的三维动态场景的方法，通过设计 “分解 - 重组” 方案，将视频场景及每个物体的三维运动进行分解，并使用开放词汇遮罩跟踪和适应性图像扩散模型对视频中的物体和背景进行分割、追踪和完整修复。

May, 2024

Tensor4D 是一种高效而有效的动态场景建模方法，通过 4D 张量分解来直接表示动态场景，并通过不同尺度上的分解进一步实现动态构建和渲染。在合成和现实世界场景中验证了其效果，具有高质量的动态重建和渲染功能。

Nov, 2022

本文介绍了一种重建 4D 时间连续场景模型的方法，该方法使用多个移动相机进行重建，可以重建动态或静态物体，同时将稀疏 - 稠密时序对应与联合多视角分割和重建结合使用，利用时间上的连续性克服了视觉歧义，并通过引入测地线星凸性的约束实现了具有鲁棒性的动态物体分割和重建。

Mar, 2016

提出了一种多摄像机系统来实现密集的三维重建和自我运动估计，通过多摄像机间的几何估计和单目深度优化来获得鲁棒的几何深度和姿态估计，同时通过深度优化网络引入可学习的场景先验，从而在具有挑战性的动态室外环境中实现了稠密、一致的三维重建。

Aug, 2023

该论文介绍了一种不需要先验知识的方法，利用多视角相机从复杂动态场景中获取 4D 的、时间相干的场景模型的无监督重构，并通过应用于自由视角渲染和虚拟现实中，改善了非刚性对象分割和形状重构的精度。

Jul, 2019

本文介绍了一种名为 Im4D 的混合场景表示方法，在动态视图合成方面表现出了先进的性能和高效的训练能力。

Oct, 2023

在机器人辅助微创手术领域，动态场景重建可以显著提高下游任务和改善手术结果。我们提出了一种创新的实时内窥镜动态重建方法 Endo-4DGS，使用了 4D 高斯飞溅和无需地面真实深度数据。该方法通过引入时间组件，借助轻量级 MLP 捕捉时间高斯变形，有效实现了具有可变条件的动态手术场景的重建。我们还整合了 Depth-Anything，从单目视图中生成伪深度图，增强了深度引导重建过程。我们的方法在两个手术数据集上通过验证，证明了实时渲染、高效计算和重建准确性，彰显了 Endo-4DGS 改善手术辅助的巨大潜力。

Jan, 2024

从单目真实世界视频中捕捉实际场景的三维结构和动态，通过新颖的协同训练方案与动态场景的隐含表示学习，实现视图生成并对场景的摄像机和内容进行独立控制。

Oct, 2023

本文提出了一种新的单目密集三维重建方法，利用超像素过分割模拟动态场景，并减少结构运动中固有的相对尺度模糊问题。经实验表明，该方法在合成和真实单目序列方面相对优于业界最先进的方法。

Aug, 2017

通过无监督学习方法，提出了一种基于分解动态物体运动和相机运动的动态视图合成方法，包括非监督表面一致性和基于路径的多视图约束，可实现准确的 3D 运动建模，从而提高合成质量并相比现有方法精确地生成场景流和深度

Apr, 2023