- 高保真神经网络上半身头像：高斯锚定引导纹理扭曲
通过在最新的 3D 高斯碎片表示上配备头部 3D 可塑模型（3DMM），现有方法成功地创建了高度逼真的头部化身。然而，大多数现有方法只能重建头部而不包括身体，从而严重限制了其应用场景。
- MotionGS：通过运动滤波的紧凑高斯点云融合 SLAM
通过深度视觉特征、双关键帧选择和 3D 高斯喷洒，本文提出了一种基于三维高斯喷洒的 SLAM 方法。该方法通过特征提取和运动滤波在每一帧上实现了选择性跟踪，通过整个映射过程进行姿态和三维高斯的联合优化。此外，通过双关键特征选择和新颖的损失函 - 通过 3D 高斯填充直接学习网格和外观
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。
- I3DGS: 从多个维度改进 3D 高斯点光面绘制
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 - DragGaussian：在 3D 高斯表示上实现拖动式操作
基于 3D Gaussian Splatting 的 DragGaussian 框架，结合扩散模型，使用户能够对预训练的 3D 高斯对象模型进行基于拖动的编辑，通过多视角一致的编辑生成修改后的 2D 图像。
- MMHoloGS：基于深度的 Microsoft HoloLens 2 的 3D 高斯喷洒
利用 Microsoft HoloLens 2 的功能，通过实时访问所需的输入数据（图像、相机姿态和深度感知）来绕过结构运动等预处理步骤，提出了 HoloGS，一种利用 HoloLens 传感器数据的新型工作流程，以实现即时的 3D 高斯飞 - 光谱修剪高斯场与神经补偿
通过使用频谱修剪和神经补偿的方法，提出了一种内存高效的高斯场 SUNDAE，能够在保持渲染质量的同时，显著降低内存消耗，例如在 Mip-NeRF360 数据集上，以 104MB 内存实现 26.80 PSNR，而传统的高斯飞溅算法在 523 - SAGS：结构感知的三维高斯投影
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 - DGE：一致多视角直接高斯三维编辑
编辑三维物体与场景的直接高斯编辑器（DGE）方法，解决了现有方法中的问题，并支持基于开放式语言指令的多视点一致编辑和三维高斯雨滴方法。
- 宽区域施工环境室内制图的 SLAM
在工厂大厅这样的复杂环境中，利用四个立体摄像头和一个三维激光扫描仪，应用最先进的激光雷达和视觉 SLAM 方法，进行数据收集、轨迹估计和密集地图生成，并生成精确的深度图用于自动建筑和现场监测。
- 高保真实时语音合成与音频驱动下的 3D 高斯状喷溅
提出了 GaussianTalker，这是一个实时生成可调控姿势的会话头部的新框架，它利用 3D 高斯喷射（3DGS）的快速渲染能力，同时解决了直接控制 3DGS 与语音音频的挑战。
- CLIP-GS：基于 CLIP 的高斯点云着色在实时和视图一致的三维语义理解中的应用
CLIP-GS integrates semantics from Contrastive Language-Image Pre-Training (CLIP) into Gaussian Splatting, utilizing Sema - 高斯说话人：通过三维高斯喷洒合成特定说话人的形象
使用 3D 高斯散点图作为基础，GaussianTalker 是一种基于音频驱动的说话人头部合成方法，具有准确的唇部同步和优秀的视觉质量，超过现有最先进的方法，并具有实时渲染性能。
- GScream: 学习三维几何和特征一致的高斯插值方法用于物体去除
通过使用三维高斯图案生成器更新辐射场，本研究论文解决了对象去除的复杂挑战，主要挑战在于在高斯图案的离散性质中保持几何一致性和纹理协调性。通过优化高斯图案的定位以提高去除区域和可见区域的几何一致性，再结合跨注意力设计的新颖特征传递机制来增强纹 - EfficientGS: 面向大规模高分辨率场景表示的高效高斯喷射方法
通过优化 3D 高斯喷涂技术，我们提出了 EfficientGS 方法，针对高分辨率和大规模场景，通过选择性策略和剪枝机制，将模型大小减小为传统 3D 高斯喷涂的十分之一，同时保持高渲染保真度。
- 高斯平铺是否需要 SFM 初始化？
研究表明，通过巧妙设计的随机初始化和低成本 NeRF 模型的结构提炼，可以在不依赖 SFM 数据的情况下实现与 SFM 初始化相当甚至更好的结果。
- CVPR面向三维感知生成对抗网络的高斯喷洒解码器
本文介绍了一种将 NeRF-based 3D-aware GANs 的高渲染质量与 3D Gaussian Splatting 的灵活性和计算优势相结合的新方法。通过训练一个解码器，将隐式的 NeRF 表示映射到显式的 3D Gaussia - AbsGS：恢复三维高斯飞溅的细节
本文研究了 3D 高斯喷射技术中的密度控制策略的不足之处，分析了导致过度重构和模糊渲染的原因，并提出了一种新的视图空间渐变方向梯度作为密度增加的判据，有效地解决了该问题，并在各种挑战性数据集上进行了评估，结果显示我们的方法在渲染质量上表现最 - MMSRGS：超分辨率 3D 高斯喷撒
提出了 Super-Resolution 3D Gaussian Splatting (SRGS) 方法，通过在高分辨率空间中进行优化，引入亚像素约束并与预训练的 2D 超分辨率模型集成，以有效增强原语的表示能力。在 HRNVS 方面实现高 - 高斯不透明度场：无界场景中高效紧凑的表面重建
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，