基于 3D 高斯扩散的新视角合成方法在各种场景下表现出了良好的性能，本文提出了一种高效的基于点的可微渲染框架，用于从照片集合中重建场景，通过引入基于残差的球谐系数传输模块，将 3D 高斯扩散方法适应于不同的光照条件和光度后处理，同时引入了一个轻量级的空间注意力模块，可同时预测暂时遮挡物和隐含外观表示，实验结果表明，该方法在新视角和外观合成的渲染质量上优于现有方法，并拥有较高的收敛速度和渲染速度。

Jun, 2024

RT-GS2 是第一个能够实现实时泛化的 3D 高斯渲染中语义分割方法，通过提取独立于视角的 3D 高斯特征并采用新颖的视角相关 / 独立特征融合，能够在不同视角下提升语义一致性，超过同领域最先进方法的语义分割质量达到 8.01％的提高，并以每秒 27.03 帧的实时性能，相比现有方法提速达 901 倍，这一工作在引入光辐射场 3D 高斯表达领域的语义分割上代表了重大进展。

May, 2024

通过 GPS-Gaussian 方法，我们可以实时合成一个字符的新视图，以稀疏的视图相机设置进行 2K 分辨率渲染。通过在源视图上定义高斯参数图并直接回归高斯喷洒属性，我们无需进行任何微调或优化即可实现即时的新视图合成。我们通过大量的人体扫描数据对高斯参数回归模块进行训练，同时使用深度估计模块将 2D 参数图转化为 3D 空间。实验结果表明，我们的方法在几个数据集上优于最先进的方法，同时实现了非凡的渲染速度。

Dec, 2023

本文提出了一种名为高斯时间机器（Gaussian Time Machine，GTM）的方法，通过使用离散化的时间嵌入向量由轻量级的多层感知机（Multi-Layer-Perceptron，MLP）解码来建模高斯图元的时间依赖属性。通过调整高斯图元的不透明度，我们可以重建物体的可见性变化，并进一步提出了一种分解颜色模型以改善几何一致性。GTM 在三个数据集上实现了最先进的渲染保真度，并且在渲染方面比基于 NeRF 的对应方法快 100 倍。此外，GTM 成功地解开外观变化并呈现平滑的外观插值。

May, 2024

提出了一种名为 Superpoint Gaussian Splatting（SP-GS）的新框架，该框架通过使用显式的 3D 高斯函数来重构场景，并将具有相似属性的高斯函数聚类成超点，从而实现了对动态场景的实时渲染，获得了最新的视觉质量。

Jun, 2024

Wild-GS 是一种针对无约束的照片集合进行优化的 3D 高斯粒子着色方法，它通过将引用视图的像素外观特征与相应的局部高斯进行对齐来有效地将高频细节的外观传输到 3D 空间，并在训练和推断中实现了最高的渲染性能和效率。

Jun, 2024

通过使用高斯喷洒技术，我们提出了 RTG-SLAM，一个用于大规模环境的实时 3D 重建系统。与现有的基于 NeRF 的 RGBD SLAM 相比，我们的系统在速度和内存成本方面取得了可比的高质量重建，并且在新视角合成的逼真度和相机跟踪准确性上表现出更好的性能。

Apr, 2024

提出了基于 3D 高斯喷砂的少样本视角合成方法，通过高效地合成视图实现实时和照片般逼真的视角合成，方法称为 FSGS，通过设计精巧的高斯解卷积处理稀疏初始化的 SfM 点，通过分布新的高斯函数填补空白区域中的局部细节，在高斯优化过程中整合大规模预训练的单眼深度估计器，通过在线增强视图引导几何优化达到最优解，FSGS 在包括 LLFF、Mip-NeRF360 和 Blender 在内的各种数据集上实现了最先进的性能，包括准确性和渲染效率。

Dec, 2023

MVSGaussian 是一种新的通用化的三维高斯表示方法，通过多视点立体视觉 (MVS) 有效重建未见过的场景，具有实时渲染速度和良好的综合质量。

May, 2024

3DGStream 是一种用于实时流式传输现实世界动态场景的方法，通过使用 3D 高斯（3DGs）表示场景，并利用紧凑的神经转换缓存（NTC）来建模 3DGs 的平移和旋转，从而实现了每帧 12 秒内的快速即时重建和 200 FPS 的实时渲染，同时提出了自适应 3DG 添加策略来处理动态场景中出现的新物体。实验证明，与最先进的方法相比，3DGStream 在渲染速度、图像质量、训练时间和模型存储方面表现出了竞争力。

Mar, 2024