我们提出了一种方法，可以从3D高斯散点图中精确且非常快速地提取网格。该方法使用高斯散点图进行实际渲染，相较于NeRFs具有更快的训练速度。我们首先引入了一个鼓励高斯散点图与场景表面对齐的正则项，然后利用此对齐性通过Poisson重建方法从高斯散点图中提取网格，该方法快速、可扩展且能保留细节信息，与通常用于从神经隐式函数中提取网格的Marching Cubes算法形成对比。最后，我们引入了可选的优化策略，通过高斯散点图渲染将高斯散点图与网格表面绑定，在传统软件中通过操纵网格而非高斯散点图本身实现了易于编辑、雕刻、绑定、动画制作、合成和调光。与基于神经隐式函数的最先进方法相比，我们的方法可在几分钟内获取逼真渲染所需的可编辑网格，而不是使用数小时。同时，我们的方法提供更好的渲染质量。

Nov, 2023

我们的研究论文介绍了一种基于高斯分层投影新颖3D编辑算法的GaussianEditor，通过高斯语义跟踪精确控制编辑目标，结合Hierarchical Gaussian splatting (HGS)方法实现对象的有效去除和整合，从而在3D编辑领域取得了显著的进展。

Nov, 2023

神经隐式表面重建方法通过引导来自三维高斯化簇粘附的点云，结合来自神经隐式模型的表面预测精炼来提高细节的重建效果。

Dec, 2023

通过创新的基于网格的高斯喷洒（GS）表示方法，在保持高质量渲染结果的同时，实现了高质量的重构和有效的变形，每秒平均65帧。

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

通过使用高斯不透明度场 (GOF)，本研究提出了一种高效、高质量、紧凑的无界场景表面重建方法，该方法借助基于光线追踪的 3D 高斯体积渲染，直接提取来自高斯体积的几何信息，并通过正则化来改善几何表达，同时利用阶梯四面体提取方法适应复杂场景，实现了超越现有方法的表面重建和新视角合成效果，同时在质量和速度方面与神经隐式方法相比有明显优势。

Apr, 2024

通过将不同可分辨外观模型与显式几何表示相结合，我们提出了一种可学习的场景模型，用于准确重构包含显式几何信息的三维场景，实验结果表明，该模型不仅在渲染质量方面达到了最新水平，而且还支持使用显式网格进行操作，并且具有适应场景更新的独特优势。

May, 2024

本研究针对传统3D场景编辑方法对精确重建网格的依赖问题，提出了一种新的单幅图像驱动的3D场景编辑方法。通过优化3D高斯分布以匹配用户指定视点的图像，该方法实现了对3D场景的直观编辑，显著提高了编辑灵活性和几何细节处理能力。

Aug, 2024

本研究解决了将3D高斯喷溅技术与网格表示相结合以提高渲染质量的问题。提出的一种距离基础的高斯喷溅技术，使高斯喷溅与网格表面对齐，并剔除多余的高斯喷溅。研究结果表明，该方法在大规模场景渲染中有效提高了质量，与现有技术相比，展现出更高的PSNR值，且高斯喷溅数量减少了30%。

Oct, 2024

本研究解决了现有Novel视图合成方法在稀疏输入情况下效果显著下降的问题。提出了一种结构一致的高斯点云方法（SCGaussian），通过匹配先验学习三维一致的场景结构，优化了高斯原件的位置。实验结果表明，该方法在处理复杂大场景时具有卓越的性能和高效率。

Nov, 2024