该研究解决了从多视角视频中学习的逼真人体化身的实时渲染问题，通过提出了基于三维高斯散点的可动态化的人体模型，相较于现有方法，在THuman4数据集上呈现了1.5dbB更好的PSNR，并能以20fps或更高的速度进行渲染。

Nov, 2023

通过3D高斯模糊表示animatable的人物及其所在的场景，以实现对动画人物的新姿势合成和人物和场景的新视图合成，并在提高渲染质量的同时，训练速度更快。

Nov, 2023

通过GPS-Gaussian方法，我们可以实时合成一个字符的新视图，以稀疏的视图相机设置进行2K分辨率渲染。通过在源视图上定义高斯参数图并直接回归高斯喷洒属性，我们无需进行任何微调或优化即可实现即时的新视图合成。我们通过大量的人体扫描数据对高斯参数回归模块进行训练，同时使用深度估计模块将2D参数图转化为3D空间。实验结果表明，我们的方法在几个数据集上优于最先进的方法，同时实现了非凡的渲染速度。

Dec, 2023

从单幅图像中学习可推广的三维人体高斯模型，通过扩散引导的三维人体建模框架，结合几何先验和注意机制，有效地恢复细节几何形状和外观，并具备在自然环境中的强大泛化能力。

Jun, 2024

HumanSplat通过在单个输入图像中预测任何人类的三维高斯Splatting属性，以解决高度精确的人体重建技术在广泛场景中受限于图像密集捕获要求或耗时的单例优化的问题。它由2D多视角扩散模型和具有人体结构先验的潜在重建转换器组成，巧妙地将几何先验和语义特征融入统一框架内。进一步设计了一种包含人体语义信息的分层损失，以实现高度逼真的纹理建模并更好地约束估计的多个视角。在标准基准和野外图像上的综合实验证明HumanSplat在实现逼真的新视图合成方面超越了现有最先进的方法。

Jun, 2024

本研究解决了现有3D高斯合成方法在不同视角设置下渲染灵活性不足的问题。提出的EVA-Gaussian实时管道通过引入有效的跨视图注意力模块和强大的锚损失函数，显著提高了合成质量与视觉保真度。实验结果表明，该方法在多种相机设置下的渲染质量优于现有技术。

Oct, 2024

本研究解决了在稀疏输入图像情况下，高斯点云渲染模型过拟合的问题。我们提出了一种基于3D高斯的新颖视图合成方法，该方法通过多阶段训练和匹配一致性约束，能够在没有预训练深度估计或扩散模型的情况下，准确渲染未覆盖训练图像的视角。实验结果表明，我们的方法在少量新视图合成中展现了竞争力或优越的性能。

Nov, 2024

本研究解决了现有3D高斯渲染方法在表示人类时缺乏生物力学特征的不足。提出的HFGaussian方法通过结合姿态回归网络和高斯喷涂技术，可以实时估算3D骨架、关键点和密集姿态，性能显著优于现有技术。该方法展示了高效且通用的3D人类重建潜力，推动了相关应用的发展。

Nov, 2024

本文解决了在稀疏输入图像下，高斯采样在新视图合成中的过拟合问题。提出了一种基于3D高斯的新视图合成方法，通过多阶段训练方案和匹配一致性约束，能够在不依赖于预训练深度估计或扩散模型的情况下，准确渲染训练图像未覆盖的视角。实验证明，该方法在少样本新视图合成中具有竞争力或优越的性能。

Nov, 2024

本研究解决了传统高分辨率图像渲染在实时交互应用中的局限性，尤其是在稀疏视角条件下。提出了一种新颖的高斯点云方法，直接回归高斯属性以实现即时新视图合成，显著提高了渲染速度并保持几何一致性。实验结果表明，该方法在多个数据集上优于现有技术，并具有潜在的广泛应用价值。

Nov, 2024