NeRFusion 提出了一种方法，通过将 NeRF 和 TSDF-based fusion 技术结合起来，实现了大规模室内场景的高效重建和逼真渲染，使用全新的循环神经网络来递增地重建实时稀疏场景表示，进一步提高了渲染质量，取得了大规模室内和小型物体场景的最先进质量，并比 NeRF 和其他最新方法重建速度更快。

Mar, 2022

本研究提出了将本应在神经网络评估后再进行渲染的颜色，改为直接渲染出射线查询的特征向量，从而大幅降低了神经网络评估的复杂度和计算开销，并取得了较好的渲染质量。

May, 2023

本文综述了近年来神经辐射场（NeRF）技术在3D渲染和视角合成领域的最新研究进展和其不同的架构设计。

Jun, 2023

Neural Radiance Fields (NeRFs) are a new representation of 3D scenes for view synthesis and image-based rendering, widely used and extended by thousands of papers, with potential for future advancements in 3D representations.

Aug, 2023

我们提出了一种针对NeRF中参与体积渲染的镜像对象的反射追踪方法，通过明确建模反射行为并使用蒙特卡洛方法估计反射辐射度，我们推导出有效的重要性采样和光线透射率计算策略，从而实现了对具有挑战性场景的一致表示的训练，并在与先前最先进方法的比较中取得了优越的结果。

Oct, 2023

基于NeRF的模型方法，针对含玻璃展柜的场景，提出了一种可以更准确地建模玻璃折射和整体场景的方法。该方法通过对玻璃表面和直接反射光成分进行分离和建模，实现了对多个玻璃物体的准确建模。

Nov, 2023

神经放射场 (NeRF) 是计算机视觉中的一种开创性技术，通过从投影到二维图像数据中合成三维表示来为医学成像提供巨大潜力。然而，在应用于医学领域时，它们面临着特殊的挑战。本文对NeRF在医学成像中的应用进行了全面的研究，突出了四个潜在的挑战，包括基本成像原理、内部结构要求、物体边界定义和颜色密度意义。我们讨论了目前不同器官上的现有方法，并讨论了相关的局限性。我们还回顾了几个数据集和评估指标，并提出了几个未来研究的有前景的方向。

Feb, 2024

提出了RapidVol：一种神经表示框架用于加快切片到体积的超声重建，并通过使用张量秩分解将典型的三维体积分解为三面板的集合，再用一个小型神经网络来存储，只需一组带有三维位置和方向（姿态）的二维超声扫描就可以进行完整的三维重建。与基于完全隐式表示的先前方法相比（如神经辐射场），我们的方法速度提高了3倍以上，准确性提高了46%，而且在给出不准确的姿态时具有更强的鲁棒性。可以通过从结构先验而不是从头开始进行重建来进一步加快速度。

Apr, 2024

Neural Radiance Fields (NeRF) is a real-time rendering technique for synthesizing 3D objects from 2D images, with a focus on examining the system perspective and identifying critical control knobs for improving performance on mobile devices.

Jun, 2024

本研究针对现有超声影像数据中的伪影问题，提出了一种新的方法NeRF-US，通过结合3D几何引导和超声特定渲染，显著改善了3D重建和新视角合成的结果。实验结果表明，该方法在“野外超声”数据集上实现了准确且无伪影的临床可行重建，填补了当前技术的空白。

Aug, 2024