作者提出了基于可微分不可视模块的NeRF-ID方法，该方法可以优化粗到精的采样策略，得到比NeRF和当前最先进算法更好的视图合成质量，并且显著降低计算时间。

Jun, 2021

本研究提出了一种基于神经辐射场的高保真度自由视点下人体合成的通用且高效的管道，其中利用几何引导的多视点特征整合方法和渐进式渲染管道通过提供完整的几何体积和预测的密度值来显著提高多个泛化设置下的综合性能和渲染效率。

Dec, 2021

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

MVG-NeRF 组合了传统的多视角几何算法和神经辐射场 (NeRF) 用于基于图像的三维重建。我们提出使用像素级深度和法线来引导 NeRF 优化，以提高所估计表面的质量。实验结果表明，该方法可以从图像中获取干净的三维网格，同时在新视角合成方面具有竞争力的表现。

Oct, 2022

本文提出了一种称为SSDNeRF的新方法，它使用表达能力强的Diffusion Model从多视图图像中学习神经辐射场（NeRF）的可推广先验，实现3D重建和先验学习的同时, 证明了该方法在无条件生成和单/稀疏视图3D重建等任务上具有与任务特定方法媲美或优于其的鲁棒性结果。

Apr, 2023

该研究提出了一种新的数据集和评估程序，利用3D扩散方法和基于密度的分数蒸馏采样损失来避免NeRF优化过程中的呈现伪像和错误几何图形问题。使用这种数据驱动的先验方法可以去除浮动物并改善场景几何结构。

Apr, 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

使用少量照片重建现实场景的方法，通过在合成和多视图数据集上训练的扩散先验来对新视角的合成进行规范化，从而在超约束区域综合出逼真的几何和纹理，同时保持观察区域的外观。与以前的少视图 NeRF 重建方法相比，我们在各种真实世界数据集上进行了广泛评估，包括正向和360度场景，并展示了显著的性能改进。

Dec, 2023

本研究针对传统三维超声成像方法在分辨率、存储效率和上下文连接性方面的局限，提出了一种新的UlRe-NeRF模型。该模型通过结合隐式神经网络和显式超声体积渲染，利用反射方向参数化和谐波编码，显著提高了高保真超声图像重建的真实感和准确性，特别是在处理复杂介质结构方面。

Aug, 2024