本文介绍了第一个基于 3D 高斯喷洒（3DGS）的稀疏视图层析重建框架 R2-Gaussian，通过从 3D 到 2D 高斯的重投影，引入了定制高斯核、扩展到 X 射线成像以及基于 CUDA 的可微体素化器等三个关键创新，通过大量实验证明，我们的方法在 PSNR 和 SSIM 方面优于最先进的方法 0.93 dB 和 0.014，关键是能够在 3 分钟内产生高质量结果，比 NeRF 方法快 12 倍，并与传统算法持平，凸显出其实用价值。

May, 2024

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

本文提出一种基于 3D 高斯飞溅的 X 射线新视图合成框架（X-Gaussian），通过重新设计辐射高斯点云模型和定制化角姿态立方体均匀初始化策略（ACUI），实现了超过 73 倍的推理速度和 6.5 dB 的性能提升，同时适用于稀疏视图 CT 重建等实际应用。

Mar, 2024

基于神经渲染技术，本研究提出了一种使用 3D Half-Gaussian 核的方法，以改进当前 3D Gaussian splatting 方法的性能，在不影响渲染速度的情况下，在多个数据集上获得了最先进的渲染性能。

Jun, 2024

该研究论文介绍了一种包括隐式曲面重建、三维高斯光照插值以及体积渲染等方法组合的 3D 曲面重建技术，实现了高质量的三维曲面重建并保持了高效率和渲染质量。

Mar, 2024

通过在有限预算内进行训练和渲染，提出了一种改进的 3D 高斯粉碎（3DGS）模型，实现了较快速、高质量的新视图合成，并减少了模型大小和训练时间。

Jun, 2024

高斯飞溅在新视角合成方面已被证明具有很高的效果，但对于重建细节丰富的 3D 形状尚未充分探索。本研究介绍了一种栅格化方法来渲染通用 3D 高斯飞溅的深度图和表面法线图，大大提高了形状重建的准确性，并保持高斯飞溅的计算效率。该方法在 DTU 数据集上达到与 NeuraLangelo 相当的 Chamfer 距离误差，并保持与传统高斯飞溅相似的训练和渲染时间。该方法是高斯飞溅的重要进展，可以直接集成到现有的基于高斯飞溅的方法中。

Jun, 2024

本文介绍了一种新的全向高斯散乱系统 ——OmniGS，它利用全向图像进行快速辐射场重建，通过对全向相机模型导数的理论分析，在 GPU 加速的全向光栅化器中直接对高斯函数进行散乱，实现了辐射场的可微优化，无需立方体贴图矫正或切平面近似。实验结果表明，该方法在自我中心和移动场景中实现了最先进的重建质量和高渲染速度，并在论文发表后将公开提供代码。

Apr, 2024

3D 高斯喷洒是一种能够实时渲染的、可控且可编辑的 3D 重建和表示方法，通过显式场景表示和可微分的渲染算法，提供了独特的优势，为下一代 3D 重建和表示技术带来了潜在的变革。本文首次系统综述了 3D 高斯喷洒的最新进展和重要贡献，包括其背后的原理、应用可行性以及各类基准任务下的性能和实用性评估，并指出当前挑战和未来研究的发展方向。

Jan, 2024

本文研究了 3D 高斯喷射技术中的密度控制策略的不足之处，分析了导致过度重构和模糊渲染的原因，并提出了一种新的视图空间渐变方向梯度作为密度增加的判据，有效地解决了该问题，并在各种挑战性数据集上进行了评估，结果显示我们的方法在渲染质量上表现最佳，同时内存消耗降低或相似。

Apr, 2024