提出了一个使用可变形的3D高斯散射方法对动态场景进行重建和渲染，在实时渲染的速度和渲染质量方面优于现有方法。

Sep, 2023

4D高斯喷洒(4D-GS)方法以高效率表示和呈现动态场景，通过构建有效的变形场来模拟高斯运动和形状变形，实现了高分辨率下的实时渲染，并且在保持与先前最新技术方法相当或更高质量的同时达到了70 FPS。

Oct, 2023

从2D图像中重建动态3D场景并随时间生成多样视角是一项具有挑战性的任务，本研究提出一种基于优化一组4D基元的方法，以近似表示动态场景的底层时空4D体积，通过特定的渲染程序，制造各种时间的新视角，该方法简单灵活，适用于捕捉复杂动态场景运动，实验结果在多个基准数据集上证明了其优秀的视觉质量和高效性。

Oct, 2023

我们引入了高斯流（Gaussian-Flow），一种用于从多视图和单目视频中快速动态场景重建和实时渲染的新型基于点的方法。与以往基于NeRF的方法不同，这种方法利用了最新的基于点的3D高斯喷洒（3DGS）技术，通过引入新颖的双域变形模型（DDDM）来显式建模每个高斯点的属性变形，从而消除了为每个帧训练单独的3DGS或引入额外的隐式神经场来建模3D动态的需求。此外，对离散化高斯点进行显式变形建模确保了对4D场景的超快速训练和渲染，与用于静态3D重建的原始3DGS相当。我们的方法在效率上取得了显著的改进，训练速度比每帧3DGS建模快5倍，并且定量结果表明，我们提出的高斯流在新视图渲染质量上明显优于以往的主流方法。

Dec, 2023

使用可变形3D高斯方法进行动态场景重建，将高斯飞溅效果扩展以适应通过多层感知器定义的时间相关变形场的可变形高斯集合的表示，同时使用静态高斯点云允许多层感知器集中其表示能力，最终优化得到与状态最前沿的动态神经辐射场方法相媲美且具有更快的优化和渲染速度。

Dec, 2023

基于高斯散开技术的稀疏控制点和稠密高斯的运动与外观分解，用于动态场景的新视角合成。

Dec, 2023

4D高斯喷洒是一种在动态场景下表示动态场景的新方法，通过时间切片和投影技术实现了对复杂运动和细节的建模，并在实时渲染方面取得了显著的效果和效率优势。

Feb, 2024

3DGStream是一种用于实时流式传输现实世界动态场景的方法，通过使用3D高斯（3DGs）表示场景，并利用紧凑的神经转换缓存（NTC）来建模3DGs的平移和旋转，从而实现了每帧12秒内的快速即时重建和200 FPS的实时渲染，同时提出了自适应3DG添加策略来处理动态场景中出现的新物体。实验证明，与最先进的方法相比，3DGStream在渲染速度、图像质量、训练时间和模型存储方面表现出了竞争力。

Mar, 2024

提出了一种高效的稀疏控制视频到4D框架(SC4D)，通过解耦动作和外观，实现了 superior 的视频到4D生成，并引入了自适应高斯初始化和高斯对齐损失来解决形状退化问题，确保了学习的动作和形状的准确性，实验证明该方法在质量和效率方面优于现有方法，并且通过对运动和外观进行解耦，我们设计了一种新的应用，根据文本描述将学习到的运动无缝传输到各种4D实体。

Apr, 2024

使用变形的多层感知器（MLP）网络捕捉动态偏移的高斯点并通过哈希编码和小型MLP来表示点的颜色特征，引入可学习的去噪掩模结合去噪损失以从场景中消除噪点，通过静态约束和运动一致性约束减轻点的运动噪声，实验证明我们的方法在渲染质量和速度上超过了现有方法，同时显著减少了与3D-GS相关的内存使用，非常适用于新的视角合成和动态建图等任务。

May, 2024