本文研究了神经渲染、相机位姿、Neural Radiance Fields、3D Gaussian Splatting以及新视角合成等主题，通过使用显式几何表示和输入视频流的连续性，实现了无需任何SfM预处理的新视角合成。该方法在大运动变化下显著改善了先前方法在视角合成和相机姿态估计方面的性能。

Dec, 2023

这篇论文介绍了GGRt，一种新颖的通用新视角合成方法，它减轻了对真实相机位姿、处理高分辨率图像的复杂性和冗长的优化过程的需要，从而促进了3D高斯喷溅（3D-GS）在实际场景中的更强适用性。

Mar, 2024

我们提出了一种称为MVSplat的高效前馈3D高斯分割模型，通过稀疏多视图图像进行学习。为了准确定位高斯中心，我们通过在三维空间中进行平面扫描来建立成本体积表示，其中成本体积中存储的跨视图特征相似性可以为深度估计提供宝贵的几何线索。我们在只依靠光度监督的情况下，同时学习高斯原始图的透明度、协方差和球面谐波系数。通过广泛的实验评估，我们展示了成本体积表示在学习前馈高斯分割模型中的重要性。在大规模的RealEstate10K和ACID基准测试中，我们的模型以最快的前馈推断速度（22帧/秒）实现了最先进的性能。与最新的最先进方法pixelSplat相比，我们的模型使用的参数数量少了10倍，推断速度更快了两倍，同时还提供更高的外观和几何质量以及更好的跨数据集泛化能力。

Mar, 2024

通过将点云表示与端到端的稠密立体模型相结合，InstantSplat能够在不到1分钟的时间内从稀疏视图和无姿态图像中构建大规模场景的三维高斯平面，并显著提高 SSIM （32%）且同时降低绝对轨迹误差（ATE）80%。

Mar, 2024

通过利用3D高斯喷洒方法，我们开发了一种无需相机姿态的稀疏视图合成的新构建和优化方法，通过在构建过程中使用单目深度和将像素投影回3D世界来逐步构建解决方案，并通过检测训练视图与对应的渲染图像之间的2D对应关系，我们开发了一种统一可微的管道来完成相机注册和相机姿态与深度的调整，最后进行反投影。我们引入了高斯喷洒中预期表面的新概念，这对我们的优化至关重要。这些步骤使得我们能够获得一个粗糙的解决方案，然后可以使用标准优化方法进行低通滤波和细化。在Tanks和Temples以及Static Hikes数据集上，我们展示了仅使用三个广泛间隔的视图的结果，显示出明显优于竞争方法的质量，包括那些具有近似相机姿态信息的方法。此外，我们的结果在使用一半数据集时，随着视图数量的增加而改善，并且在使用InstantNGP和高斯喷洒算法时超过了先前的方法。

May, 2024

本研究解决了稀疏视角三维重建中的信息不足和模型参数庞大的问题。采用自增强的粗到细高斯溅射策略，同时结合结构感知掩膜，显著提升了模型对稀疏输入和噪声的鲁棒性。实验结果表明，该方法在稀疏输入视图下在感知质量和效率上达到了最先进的性能。

Aug, 2024

本文针对稀视3D重建中的几项困难，提出了一种自增强的高斯喷溅方法，该方法结合结构感知掩模以提升稀视输入的表现。研究表明，新方法在感知质量和效率方面都达到了最先进的性能，尤其在处理稀少输入和噪声时表现出强大的鲁棒性。

Aug, 2024

本研究解决了无运动结构的方法在处理初始相机姿态不准确时导致的对齐问题。通过引入基于对应关系的优化算法，本研究在新视图合成中取得了更好的像素对齐，从而显著提升了优化效率和时间表现。实验结果表明，该方法在性能和效率上优于现有技术。

Aug, 2024

本文提出了Splatt3R，一种无姿态、前馈的方法用于野外3D重建和新视角合成，解决了从未校准自然图像中直接预测3D高斯喷溅的问题。该方法在MASt3R的基础上进行扩展，能够同时处理3D结构和外观，相比传统方法，避免了训练3D高斯喷溅时的局部最小值。实验结果表明，Splatt3R在未校准图像上的泛化性能优异，且可实现实时渲染。

Aug, 2024

本研究针对3D高斯绘制在新视图合成中对准确相机姿态依赖的限制进行了探讨。通过优化外部相机参数以最小化光度残差，提出了一种新的方法，使得在无需准确姿态信息的情况下快速重建3D场景。研究结果表明，该方法在真实场景中具有快速收敛和高精度，显著提升了新视图合成的效率与效果。

Oct, 2024