使用一组高斯椭球来模拟场景，从而实现高效渲染，3D 高斯喷涂表示法具有快速渲染、动态重建、几何编辑和物理模拟等优点。本文通过对最近的 3D 高斯喷涂方法进行文献综述，提供了一个 3D 高斯喷涂方法的分类，包括 3D 重建、3D 编辑和其他功能应用，以及传统的基于点的渲染方法和 3D 高斯喷涂的渲染公式，旨在帮助初学者快速了解这一领域并为经验丰富的研究者提供全面的概述，以推动 3D 高斯喷涂表示法的未来发展。

Mar, 2024

使用 3D 高斯喷洒法重构动态场景，通过可调整的多层感知器（MLP）模型将场景的动态部分与静态部分分离，引入自适应窗口采样策略和自监督一致性损失来实现场景的时域一致性和高质量的可视化，达到了与竞争性能的动态场景高品质实时渲染。

Dec, 2023

通过将外观建模与无监督训练的瞬态高斯处理相结合，有效地处理来自非结构化野外图像集合的三维场景表示方法，在多样的照片场景和户外地标的多次获取实验中，实现了改进效率和技术水平。

Mar, 2024

使用单个移动单目或 RGB-D 相机，我们首次应用 3D 高斯扩散技术于增量 3D 重建。我们的同时定位与建图（SLAM）方法以高质量渲染作为所需的准确、高效跟踪和建图的唯一 3D 表示，通过几个创新实现连续重建高保真度的 3D 场景，包括通过直接优化对 3D 高斯器应用相机跟踪，利用高斯器的明确性质引入几何验证和规则化以处理增量 3D 密集重建中出现的模糊性，以及引入一个全面的 SLAM 系统，实现在新视角合成和轨迹估计中的最新结果，甚至对微小和甚至透明的物体进行重建。

Dec, 2023

我们提出了一种方法，可以从 3D 高斯散点图中精确且非常快速地提取网格。该方法使用高斯散点图进行实际渲染，相较于 NeRFs 具有更快的训练速度。我们首先引入了一个鼓励高斯散点图与场景表面对齐的正则项，然后利用此对齐性通过 Poisson 重建方法从高斯散点图中提取网格，该方法快速、可扩展且能保留细节信息，与通常用于从神经隐式函数中提取网格的 Marching Cubes 算法形成对比。最后，我们引入了可选的优化策略，通过高斯散点图渲染将高斯散点图与网格表面绑定，在传统软件中通过操纵网格而非高斯散点图本身实现了易于编辑、雕刻、绑定、动画制作、合成和调光。与基于神经隐式函数的最先进方法相比，我们的方法可在几分钟内获取逼真渲染所需的可编辑网格，而不是使用数小时。同时，我们的方法提供更好的渲染质量。

Nov, 2023

基于高斯喷射的文本到三维内容生成框架，通过控制高斯球的透明度实现更真实的图像生成；通过引入多视角噪声分布矫正多视角几何中的不一致性；使用变分高斯喷射技术提高三维外观的质量和稳定性。

Nov, 2023

提出了一个使用可变形的 3D 高斯散射方法对动态场景进行重建和渲染，在实时渲染的速度和渲染质量方面优于现有方法。

Sep, 2023

Scaffold-GS 方法使用锚点在视场内基于视线方向和距离动态分布局部的 3D Gaussians，有效地减少冗余的 Gaussians，同时能够实现高质量渲染。

Nov, 2023

使用三维高斯喷洒方法进行场景风格化研究，通过在多视角环境中保持一致的风格外观来产生高质量的风格化新视角，实现了在增强现实或虚拟现实应用中具有卓越视觉质量的最新表现。

Mar, 2024

通过创新的基于网格的高斯喷洒（GS）表示方法，在保持高质量渲染结果的同时，实现了高质量的重构和有效的变形，每秒平均 65 帧。

Feb, 2024