介绍 Deformable Tetrahedral Meshes (DefTet) 作为一种特殊的参数化，利用容积四面体网格用于重建问题，该方法可以同时达到高精度、容积、可学习神经架构，并且可以产生比替代容积方法小得多的网格大小的高保真重建。

Nov, 2020

介绍了一种深度三维条件生成模型 DMTet，它能够使用简单的用户指南（如粗略体素）合成高分辨率的三维形状。它将隐式和显式三维表示的优点结合起来，利用一种新颖的混合三维表示，并在表面网格上明确定义重建和对抗性损失，使我们能够综合更精细的几何细节，具有任意拓扑。

Nov, 2021

使用动态神经辐射场模型重新构建并生成能够通过单目输入数据学习的场景表示，结合场景表示网络和低维可变形模型进行虚拟场景生成。

Dec, 2020

Talk3D 是一种新的音频驱动的说话头合成框架，通过有效地采用预训练的 3D 感知生成先验模型，可以忠实地重建其合理的面部几何形状。通过音频驱动的注意力 U-Net 架构，我们的模型预测 NeRF 空间中由音频驱动的动态面部变化，并由与音频无关的调节令牌调制，有效地解耦与音频特征无关的变化。与现有方法相比，我们的方法在生成逼真的面部几何形状方面表现出色，即使在极端的头部姿势下也能如此。我们还进行了广泛的实验证明我们的方法在定量和定性评估方面超越了现有的最新基准。

Mar, 2024

Tetrahedron Splatting (TeT-Splatting) is a novel 3D representation that achieves easy convergence during optimization, precise mesh extraction, and real-time rendering simultaneously, while incorporating eikonal and normal consistency regularization terms for improved generation quality and stability.

Jun, 2024

该论文提出了一种新颖的自适应表示方法，即基于四面体和 Delaunay 表示的方法，用于 Neural Radiance Fields，该方法在视角合成和三维重建方面具有最先进的结果。

Apr, 2023

通过单目视频实现高分辨率物理材质纹理和三角网格的人体模型的获取并结合多视角图像合成的信息融合策略，通过神经隐式表达生成可编辑的变形人体模型。

May, 2024

本文提出了 HiDe-NeRF，其采用显式 3D 结构表示和隐式神经渲染来提高脸部表情和姿态的真实性，从而实现高保真和自由视角的说话头合成。

Apr, 2023

本文提出了一种通过近似合成分析的方法来训练神经网络，利用可变形网格模型来优化图像与三维模型之间的关系，从而实现对数据的稳健泛化，本方法在测试集中表现良好，尤其在数据分布不均时表现更优。

May, 2023

本文提出了一种综合的神经方法，用于从密集的多视角视频中重建、压缩和渲染人类表演。该方法桥接了传统的动画网格工作流和一类高效的神经技术，其中包括神经表面重构器和混合神经跟踪器，并实现了各种带宽设置下的从动态纹理到光图渲染的渲染方案，展示了其在各种网格应用和各种平台的逼真自由视点体验中的有效性。

Sep, 2022