通过利用事件相机的高时间分辨率和显式的基于点的表示，Event3DGS 可以在快速自我运动下仅根据事件流重建高保真度的 3D 结构，并通过稀疏感知的采样和渐进训练方法获得更好的重建质量和一致性，同时通过将运动模糊形成过程显式地结合到可微分的光栅化器中，通过有限的一组模糊的 RGB 图像来改善外观。大量实验证明，与现有方法相比，Event3DGS 具有卓越的渲染质量，并且训练时间减少了 95％以上，并且在渲染速度上具有数量级的提升。

Jun, 2024

通过事件输入，我们提出了首个基于事件的通用三维重构框架 EvGGS，它以前馈方式从事件输入中将场景重构为三维高斯场，并可以泛化到未见过的情况，无需重新训练。

May, 2024

使用 Event Enhanced Gaussian Splatting（E2GS）方法，结合事件数据和高斯分层方法，以提高图像去模糊和产生高质量的新视角合成，并在综合实验中展示了较快训练和渲染速度（140 FPS）

Jun, 2024

通过使用 3D 高斯喷洒来优化运动模糊图像中的清晰 3D 场景，我们的方法 DeblurGS 克服了初始相机姿态获取中的不准确性并实现了最先进的去模糊和新视角合成性能。

Apr, 2024

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

本文主要研究了 3D 高斯喷洒（3DGS）中的常见误差源，包括模糊、不完美的相机姿态以及颜色不一致性，旨在改善其在像手持手机拍摄的实际应用中的鲁棒性。通过将运动模糊建模为相机姿态上的高斯分布，我们可以统一处理相机姿态的精炼和运动模糊矫正，并提出了解决散焦模糊补偿和解决由环境光、阴影或相机相关因素引起的颜色不一致性的机制。我们的解决方案与 3DGS 的配方无缝集成，同时保持其在训练效率和渲染速度方面的优势。通过在 Scannet++ 和 Deblur-NeRF 等相关基准数据集上进行实验证实，我们的贡献取得了最先进的结果，相对于相关基准线实现了一致的性能改进。

Apr, 2024

基于高斯子图的高质量场景重建和新视图合成通常需要稳定、高质量的照片，这往往难以通过手持相机捕捉。本文提出了一种适应相机运动、能够利用受运动模糊和滚动快门衍生的手持视频数据实现高质量场景重建的方法。我们的方法基于对物理图像形成过程的详细建模，利用视觉惯性航位推测 (VIO) 所估计的速度。在单张图像帧的曝光时间内考虑相机姿态的非静态性，并在重建过程中进一步优化相机姿态。我们建立了一个可微的渲染流水线，利用屏幕空间近似有效地将滚动快门和运动模糊效应纳入 3DGS 框架。我们通过合成和真实数据的结果表明，在减轻相机运动方面，我们的方法相较于现有方法具有出色的性能，从而推动了 3DGS 在逼真场景中的应用。

Mar, 2024

BAD-Gaussians 是一种新的方法，利用显式高斯表示和处理照相机姿势不准确的重度运动模糊图像，实现高质量的场景重建，并通过显式优化控制点云的高斯球来实现实时渲染。

Mar, 2024

我们的研究论文提出了一种基于扩散模型的引导方法，通过改进经过训练的 3D-GS 来增强新视角的渲染效果，显著减少了伪影，并在评估指标上获得明显的改进。此外，我们的方法具有通用性，可以轻松整合到各种 3D 重建项目中。

Apr, 2024

Video-3DGS 是一种基于 3D 高斯雾化技术改进的视频编辑器，旨在增强零痕编辑中的时间一致性，并通过在两个阶段利用三维高斯进行视频重构和编辑来展示其有效性。

Jun, 2024