我们介绍了PointOdyssey，一个用于训练和评估长期细粒度跟踪算法的大规模合成数据集和数据生成框架。我们的目标是通过强调具有自然运动的长视频来推动技术的发展。

Jul, 2023

同时解决动态场景新视角合成和六自由度跟踪所有密集场景元素的方法，通过分析合成框架，模型化动态场景，并用于各种后续应用。

Aug, 2023

准确的3D跟踪可以在机器人技术、增强现实和生成式人工智能方面推动新的应用。本研究引入了MD-Splatting，一种用于在高度可变形场景中进行同时3D跟踪和新视角合成的方法。它通过学习一种变形函数来实现高质量的3D跟踪，并通过使用高斯重合法进行快速新视角合成。

Nov, 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

使用单个移动单目或RGB-D相机，我们首次应用3D高斯扩散技术于增量3D重建。我们的同时定位与建图（SLAM）方法以高质量渲染作为所需的准确、高效跟踪和建图的唯一3D表示，通过几个创新实现连续重建高保真度的3D场景，包括通过直接优化对3D高斯器应用相机跟踪，利用高斯器的明确性质引入几何验证和规则化以处理增量3D密集重建中出现的模糊性，以及引入一个全面的SLAM系统，实现在新视角合成和轨迹估计中的最新结果，甚至对微小和甚至透明的物体进行重建。

Dec, 2023

DreamScene4D是一种能够从野外单眼视频中生成多个物体的三维动态场景的方法，通过设计“分解-重组”方案，将视频场景及每个物体的三维运动进行分解，并使用开放词汇遮罩跟踪和适应性图像扩散模型对视频中的物体和背景进行分割、追踪和完整修复。

May, 2024

通过引入DGMaebles方法，本研究在单目视频中扩展了Gaussian场景表示的能力，实现了新视角渲染和准确捕捉场景元素的三维运动，同时在质量上显著优于其他高斯基准，并与非高斯表示保持效率、合成能力、可编辑性和跟踪优势的水平。

Jun, 2024

介绍了一种能够从点缀捕捉的单目视频中重建通用动态场景并具有明确、全序列长时间持续的3D运动的方法，通过表示场景运动的低维结构，将场景软分解为多个刚体运动组，并利用基于数据驱动的先验来实现全局一致的动态场景表示。

Jul, 2024

本研究针对动态场景重建中的优化难题，提出了一种新颖的可变形3D高斯点云框架MotionGS，通过显式运动先验指导3D高斯的变形。实验表明，MotionGS在定性和定量结果上均优于现有的先进方法，具有显著的优势。

Oct, 2024

本研究解决了从单摄像头RGB视频进行在线3D重建的问题，提出了一种新的点云表示方式。通过射线基础的2D-3D特征匹配技术，实时更新点云和深度预测，使其在保持高质量的同时，避免了以前点预测错误的影响。实验结果表明，该方法在在线多视图立体（MVS）任务上达到了最先进的性能。

Oct, 2024