3D高斯散射（3D-GS）是计算机图形学领域的重要进展，提供了明确的场景表示和新颖的视图合成技术，而无需依赖神经网络（如神经辐射场（NeRF））。本文对3D高斯散射的相关论文进行了全面调研，将调查结果按照特征和应用进行分类，介绍了3D高斯散射的理论基础。旨在使新研究人员了解3D高斯散射，提供领域中的重要参考文献，并启发未来的研究方向，如本文的结论部分所讨论的。

Feb, 2024

使用一组高斯椭球来模拟场景，从而实现高效渲染，3D高斯喷涂表示法具有快速渲染、动态重建、几何编辑和物理模拟等优点。本文通过对最近的3D高斯喷涂方法进行文献综述，提供了一个3D高斯喷涂方法的分类，包括3D重建、3D编辑和其他功能应用，以及传统的基于点的渲染方法和3D高斯喷涂的渲染公式，旨在帮助初学者快速了解这一领域并为经验丰富的研究者提供全面的概述，以推动3D高斯喷涂表示法的未来发展。

Mar, 2024

提出了一种能够隐式编码场景几何结构的结构感知高斯喷洒方法 (SAGS)，通过基于本地-全局图表示促进复杂场景的学习并强制保持场景几何的有意义的点位移，与现有的 3D-GS 方法相比，在渲染质量和模型大小两方面都展现出卓越的性能，能够有效减轻之前方法的浮点和图像失真问题，并获得精确的深度图。

Apr, 2024

3D高斯光斑是一种用于3D视图合成的新方法，其相较于传统的神经渲染技术，能在保持更高清晰度的快速渲染速度的同时，获得隐式神经学习渲染结果。通过多种实验测试不同因素对3D高斯光斑模型的训练效率的影响，介绍了一种基于I3DS的合成模型性能改进评估解决方案。经过合理的微调后，I3DS相较于之前的模型性能获得了显著提升。

May, 2024

通过矩阵和张量分解技术，我们提出了一种新方法，即因式化三维高斯粒子点描（F-3DGS），通过高效的因式化，大大减少了存储需求，同时保持了渲染图像的质量。

May, 2024

本研究解决了3D高斯喷涂在版权保护方面的空白，提出了一种新颖的水印嵌入方法，通过微调预训练的3D高斯喷涂模型，将二进制信息嵌入到3D高斯中。实验结果表明，该方法在显著提升渲染质量和位准确性的同时，能够隐秘地嵌入水印，并在抗攻击能力和容量上表现出色。

Sep, 2024

本研究针对3D高斯点阵模型的版权保护问题，现有的数字水印技术无法有效嵌入该模型。我们提出了一种基于不确定性的水印方法，能够在保留模型质量的前提下实现隐蔽水印嵌入，并在信息解码阶段可高效提取版权信息，证明了其在解码准确性和视图合成质量上均优于现有方法。

Oct, 2024

本研究针对现有水印方法在保护三维高斯喷溅（3DGS）资产版权方面的不足，提出了GuardSplat框架，该框架具备高效性和强健性。其创新之处在于利用CLIP技术优化信息解耦和嵌入，实现在保证视觉质量的同时，有效防止信息被恶意移除，从而显著提升水印的隐蔽性和安全性。

Nov, 2024

本研究解决了3D高斯分布（3DGS）在3D重建和生成任务中版权保护的不足，现有技术在实际应用中难以兼顾资产的可用性。论文提出了一种新的3DGS水印框架WaterGS，通过改进的球谐函数加密策略嵌入3D内容，并实现更高的场景保真度及更快的渲染速度，显著优于现有的3D隐写术。

Dec, 2024

本研究解决了对抗性攻击对3D建模中高质量视图合成与快速渲染影响的研究不足。提出了一种新的方法——掩蔽迭代快速梯度符号方法（M-IFGSM），通过对感兴趣物体的遮罩区域施加扰动，显著降低CLIP模型在3D模型上的零样本目标检测能力。实验表明，该方法明显减少了模型的准确性和信心，揭示了现代3D视觉模型的脆弱性，促使需要开发更强大的防御措施以保护关键应用。

Dec, 2024