在本文中，我们提出了 MoDGS，这是一个新的管道，可以利用仅有的随意捕捉的单目视频生成动态场景的新视角图像。MoDGS 采用了最近的单视图深度估计方法来指导动态场景的学习，并提出了一种新的三维感知初始化方法来学习合理的变形场和新的鲁棒深度损失来指导动态场景几何结构的学习。全面的实验证明，MoDGS 能够从仅有的随意捕捉的单目视频中生成高质量的动态场景新视角图像，优于基线方法的效果显著。

Jun, 2024

提出了一种高效的稀疏控制视频到 4D 框架 (SC4D)，通过解耦动作和外观，实现了 superior 的视频到 4D 生成，并引入了自适应高斯初始化和高斯对齐损失来解决形状退化问题，确保了学习的动作和形状的准确性，实验证明该方法在质量和效率方面优于现有方法，并且通过对运动和外观进行解耦，我们设计了一种新的应用，根据文本描述将学习到的运动无缝传输到各种 4D 实体。

Apr, 2024

使用单个单目视频，通过引入动态高斯网格（DG-Mesh）框架，可以重建出高保真度和时态一致的网格结构，并实现动态对象的纹理编辑。

Apr, 2024

同时解决动态场景新视角合成和六自由度跟踪所有密集场景元素的方法，通过分析合成框架，模型化动态场景，并用于各种后续应用。

Aug, 2023

提出了一种新的运动感知增强框架，通过挖掘光流中的有用运动线索来改进动态场景重建，以提高不同动态 3D 高斯喷溅方式的性能，并针对基于形变的范例提出了一种瞬态感知形变辅助模块。经过广泛的实验证明，与基线相比，我们的方法在渲染质量和效率方面都表现出明显的优势。

Mar, 2024

本文提出了一种用于建模动态人体的单目摄像机表示形式，称为神经运动一致流，通过优化动态场景最小化总渲染误差来学习。核心是一种精心设计的优化方案，包括专用初始化步骤和约束估计的运动流动的运动一致性正则化。在多个数据集上，与基线和方法的变体进行了广泛的评估，定量和定性比较了所提出方法的功效和优点。

Jun, 2021

通过引入 DGMaebles 方法，本研究在单目视频中扩展了 Gaussian 场景表示的能力，实现了新视角渲染和准确捕捉场景元素的三维运动，同时在质量上显著优于其他高斯基准，并与非高斯表示保持效率、合成能力、可编辑性和跟踪优势的水平。

Jun, 2024

通过运用运动感知的高斯分割方法，结合运动学信息和局部遮挡检测，我们提出了一种创新框架 Motion-Based 3D Clothed Humans Synthesis (MOSS)，实现在单视角下进行逼真的衣物变形的三维重建。实验证明，MOSS 在单目视频中实现了最先进的三维衣物生成视觉质量，Human NeRF 和高斯分割的改进分别提高了 33.94% 和 16.75%（LPIPS*）。

May, 2024

使用 GFlow 框架，我们从单目视频中恢复动态的 4D 世界和相机姿态，通过使用深度和光流的 2D 先验进行聚类、优化和像素密集化，使得 GFlow 不仅可以进行 4D 重建，还可以进行对象追踪和无监督场景编辑。

May, 2024

基于单目视频的全局静态场景模型和逐帧点云的动态内容的混合视频表示方法能够实时合成高质量的新视图，并且训练速度比现有方法快 100 倍。

Dec, 2023