3DGSR：基于3D高斯扩展通过隐式表面重建
通过将三维体积转化为一组二维定向平面高斯盘，使用透视准确的二维喷洒过程，结合深度扭曲和法线一致性项，实现从多视角图像中准确重建细表面并提高重建质量的一种方法。
Mar, 2024
通过使用高斯不透明度场 (GOF)，本研究提出了一种高效、高质量、紧凑的无界场景表面重建方法，该方法借助基于光线追踪的 3D 高斯体积渲染，直接提取来自高斯体积的几何信息，并通过正则化来改善几何表达，同时利用阶梯四面体提取方法适应复杂场景，实现了超越现有方法的表面重建和新视角合成效果，同时在质量和速度方面与神经隐式方法相比有明显优势。
Apr, 2024
通过将神经有向距离场（SDF）与三维高斯光斑（3DGS）相结合，我们提出了一个统一的优化框架，用于在室内场景中进行高质量的重建和实时速度的渲染。
May, 2024
通过引入基于平面的高斯点云猜测（PGSR）方法，本研究旨在实现高保真度的表面重建和高质量的渲染，以解决基于3D高斯斑点（3DGS）的重构方法中普遍存在的质量问题。实验结果表明，与基于3DGS和NeRF的方法相比，我们的方法在快速训练和渲染的同时保持了高保真度的渲染和几何重建效果。
Jun, 2024
本研究解决了基于多视角的表面重建中推断有符号距离函数(SDF)的难题。我们提出了一种将3D高斯喷洒与神经SDF学习相结合的方法，旨在通过多视图一致性有效约束SDF推断，最终实现更准确、平滑和完整的表面重建，并在常用基准测试中表现优于现有技术。
Oct, 2024
本研究解决了物理基础的反向渲染中高保真几何体、材料及光照准确捕获的挑战。提出的GeoSplatting方法通过将3D高斯点绘制与显式几何指导及可微分的物理基础渲染方程结合，提升了表面法向量建模的精度及材料分解的准确性。大量实验表明，GeoSplatting在多样化数据集上的性能显著优于现有方法，无论是在定量还是定性方面。
Oct, 2024
本研究解决了从稀疏显式高斯表示中提取3D表面的挑战，提出了一种将神经隐式已签距场（SDF）与高斯点喷射框架相结合的新方法G2SDF。该方法通过链接高斯的不透明度值与其到表面距离，实现了高质量的表面重建与渲染，并在多个真实数据集上展示了优于以往方法的重建质量。
Nov, 2024
本研究解决了使用3D高斯点云进行高质量表面重建中存在的细节不足问题。我们提出了GausSurf，通过在纹理丰富区域利用多视图一致性和在纹理稀缺区域利用法线先验进行几何指导，显著提高了重建质量与效率。实验结果表明，GausSurf在重建质量和计算时间上均超过了当前最先进的方法。
Nov, 2024